pandas学习笔记补充

有趣的故事开头都是很久很久以前，像这篇——很久很久以前，小白写了篇pandas学习笔记，这次又来补充了，主要以栗子的形式现实，那就开始吧！
再唠叨一句，pandas有两种数据结构：一维Series，二维DataFrame；

Series

是一种带有标签的一维数组对象，能保存任何数据类型，一组Series对象又包含两数组：数据和数据索引。

创建Series

可以用values获得值及值的数据类型

pandas.Series(data数据部分，index专门用于行取名，dtype…)

apples = pd.Series([3,2,0,1],index=['a','b','c','d'])#专门用于行取名
apples
#输出
a    3
b    2
c    0
d    1
dtype: int64

特殊的：如果一不小心取了重复的名字（行名）

还可以通过把字典转过来的方式创建

创建一样的数据值不同的数据名称

另外，如果有相同的键则重复的键相当于更新值（最近更新的值）

值得注意的是，名字与数据要一一对应，必须一一匹配，多了少了都不行

访问Series数据

有两种方式，通过标签下标通过标签下标访问数据 eg：apples【‘a’】或者通过位置，切片来访问

1. a和c之间的所有数据都要

apples['a':'c']
#输出
a    3
b    1
c    0
dtype: int64

2. 通过位置取就要严格的按照python规则顾头不顾尾

apples[:3]
#输出
a    3
b    1
c    0
dtype: int64

3. 通过布尔数组来存取数据
   
4. 通过花式下标同样需要注意两个中括号

DataFrame

由多个Series结构组成二维表格对象

pd.DataFrame(data, index行,columns列…)

创建DataFrame

访问DataFrame列

只能用名字取列，取的是列（取行有专门的函数），取出来的类型为Series，如果帮列取名字了之后，再用位置索引会报错。取多列类型是dataframe取一列是series

L = [[3,0,1],
     [2,1,2],
     [0,2,1],
     [1,3,0]]
df = pd.DataFrame(L)
df[0]
#输出
0    3
1    2
2    0
3    1
Name: 0, dtype: int64

访问DataFrame行

通过切片进行位置切片
通过行标签进行索引