【Python_007】Pandas中Series和DataFrame入门介绍

pandas: panel data
pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。(来源百度百科）

导入pandas

import numpy as np
import pandas as pd 
from pandas import Series, DataFrame

Series和DataFrame是pandas库里最常用的数据类型，所以导入一遍会比较方便，否则就得每次都写pd.Series(), pd.DataFrame()

Series

Series是一维数字，由一组数据以及数据标签（索引）构成，python默认索引为0到n-1,索引也可自定义。 可理解成字典，索引-数据即为字典中的键值对

如果数据被存放在一个字典中，可以直接通过字典来创建Series
Series最重要的功能是在运算中自动对齐不同索引的数据（可以理解为sql server中的join）
但对两个Series对象进行运算时，若碰到NaN，则运算后结果为NaN，如下图所示：
对Series对象，可针对数据列或者索引列添加name属性。这样对数据的含义理解更有帮助

DataFrame

DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（这点就很重要，numpy中ndarray就要求数据同质）

DataFrame既有行索引也有列索引，可以被看作由Series组成的字典（那么DataFrame的行索引和Series的索引就是同一个）
它是以二维结构存放数据的

构建DataFrame最常见的是通过列表或者numpy数组直接构建
如果不指定columns的顺序，则默认按照列名有序排列。
如果传入的列在数据中找不到，就会产生NA值

提取DataFrame中的列，可以用df[‘colname’] 或者 df.colname的方式
提取DataFrame中的行，可以用df.ix[‘indexname’]的方式
 

将列表或数组赋值给某个列时，其长度必须跟DataFrame的长度相匹配。如果赋值的是一个Series，就会精确匹配DataFrame的索引，所有的空位都将被填上缺失值

 

另一种常见的数据形式是嵌套字典，外层字典的键作为列，内层键作为行索引（从内到外，从行到列）
或者显式指定索引，这样就不用考虑外层，内层。
拿上图的例子来说就是

dt = DataFrame(pop, index=[2001,2002])