pandas 学习汇总9 - Series系列，DataFrame数据帧 属性( tcy)

Series-属性  2018/11/8  2018/12/6

序列： 

# 可以把Series看成有序字典；均匀数据；尺寸数据均可变
s=pd.Series(data=np.arange(10,15),index=pd.Index(list('abcde')),dtype=np.float, name='Series-1')

属性简表：

属性	说明
s.at[]	访问行/列标签对的单个值。
s.axes	返回行轴标签列表 [Index(['a', 'b', 'c', 'd', 'e'], dtype='object')]
s.dtype	返回基础数据的dtype对象dtype('float64')
s.dtypes	返回基础数据的dtype对象dtype('float64')
s.empty	系列为空返回 True
s.flags	-
s.ftype	如数据稀疏则返回 'float64:dense'
s.ftypes	如数据稀疏则返回 'float64:dense'
s.hasnans	如有nans返回True False
s.iat[]	按整数位置访问行/列对的单个值。
s.iloc[]	纯粹基于整数位置的索引，用于按位置选择。
s.imag	array([0., 0., 0., 0., 0.])
s.imag	array([0., 0., 0., 0., 0.])
s.index	系列索引（轴标签）Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
s.is_monotonic	如序列中值递增返回True
s.is_monotonic_decreasing	如序列中值递减返回True
s.is_monotonic_increasing	如序列中值递增返回True
s.is_unique	如果对象中的所有值都是唯一返回True
s.itemsize	返回基础数据项的dtype的大小 8
s.ix[]	主要基于标签位置的索引器，具有整数位置回退。
s.loc[]	通过标签或布尔数组访问一组行和列。
s.memory_usage()	返回Series的内存使用情况240
s.nbytes	返回基础数据字节数 40
s.ndim	返回基础数据维数 1
s.real	array([10., 11., 12., 13., 14.])
s.shape	返回数据形状元组 (5,)
s.size	返回数据元素数量 5
s.strides	返回数据步幅 (8,)
s.values	返回系列值 dtype array([10., 11., 12., 13., 14.])

实例： 

s.flags
'''
C_CONTIGUOUS : True
F_CONTIGUOUS : True
OWNDATA : True
WRITEABLE : True
ALIGNED : True
WRITEBACKIFCOPY : False
UPDATEIFCOPY : False
''' 

 DataFrame-属性   2018/12/7  

属性： 

# 所有Pandas数据结构是值可变的(数值大小可更改)
# DataFrame索引(行)和列(不同类型) ;大小可变 可对行和列执行算术运算

data = {'Name':pd.Series(['Tom','Jim','Bob']),'Age':pd.Series([25,26,25]),
'sex':pd.Series([0,1,0],dtype=bool)}
df=pd.DataFrame(data)  

简表：

属性	说明
df.at[]	访问行/列标签对的单个值
df.axes	行轴标签列表 [RangeIndex(start=0, stop=3, step=1),
-	Index(['Name', 'Age', 'sex'], dtype='object')]
df.columns	列标签#Index(['Name', 'Age', 'sex'], dtype='object')
df.dtypes	数据类型 #Name object Age int64 sex bool dtype: object
df.empty	对象为空返回True
df.ftypes	返回数据帧中的ftypes（稀疏/密集和dtype的指示）
df.iat[]	按整数位置访问行/列对的单个值
df.iloc[]	整数位置索引，用于按位置选择
df.index	索引行标签  #RangeIndex(start=0, stop=3, step=1)
df.ix[]	主要基于标签位置的索引器，具有整数位置回退
df.loc[]	通过标签或布尔数组访问一组行和列
df.memory_usage()	内存使用情况#Index 80 Name 24 Age 24 sex 3 dtype: int64
df.ndim	基础数据维数 2
df.shape	数据形状元组 (3, 3)
df.size	数据元素数量 9
df.style	返回Styler对象的属性# pandas.io.formats.style.Styler
df.T	转置
df.values	返回数据帧的ndarray #array([['Tom', ...],…,  dtype=object)

 

实例：

df.T
# 0 1 2
# Name Tom Jim Bob
# Age 25 26 25
# sex False True False

df.ftypes
# Name object:dense
# Age int64:dense
# sex bool:dense
# dtype: object