Pandas有2種數據結構,分別是Series和DataFrame

1.Series

Series類似表格中的一個列(column)，類似於一維數組，可以保存任何數據類型

Series由索引(index)和列組成

提示

索引起到解釋、定位數據的作用，Series是Pandas最基礎的數據結構

語法

import pandas as pd
pd.Series(data, index, dtype, name, copy)

參數說明 

data: 一組數據(ndarray類型)

index: 數據索引標簽，如果不指定，默認從0開始

dtype: 數據類型，默認會自己判斷

name: 設置名稱

copy: 拷貝數據，默認為False

實例

import pandas as pd
arr = [1, 2, 3]
res1 = pd.Series(arr)
# 根據索引值讀取數據
res1[1] # 2
# 指定索引值
res2 = pd.Series(arr, index = ['x','y','z'])
# 根據索引值讀取數據
res2['y'] # 2

res1 

從上圖可知，如果沒有指定索引，索引值就從0開始

res2

使用key/value對象，類似字典來創建Series 

import pandas as pd
dicts = {1: "Odin", 2: "Jack", 3: "Lee"}
res3 = pd.Series(dicts)

res3

從上圖可知，字典的key變成了索引值 

如果我們只需要字典中的一部分數據，只需要指定需要數據的索引即可

import pandas as pd
dicts = {1: "Odin", 2: "Jack", 3: "Lee"}
res4 = pd.Series(dicts, index = [1, 2])

res4

設置Series名稱參數 

import pandas as pd
dicts = {1: "Odin", 2: "Jack", 3: "Lee"}
pd.Series(dicts, index = [1, 2], name='Hudas')

未設置Series名稱參數

import pandas as pd
dicts = {1: "Odin", 2: "Jack", 3: "Lee"}
pd.Series(dicts, index = [1, 2])

2.DataFrame 

DataFrame是一個表格型的數據結構，它含有一組有序的列，每列可以是不同的值類型(數值、字符串、布爾型值)

DataFrame既有行索引也有列索引，它可以被看做由多個Series組成的字典(共同用一個索引)

DataFrame是Pandas定義的一個二維數據結構

橫向的稱作行(row)，一條數據就是指其中的一行

縱向的稱作列(column)或字段，是一條數據的某個值

第一行是表頭或者叫字段名，類似於Python字典裡的鍵，代表數據的屬性

第一列是索引，就是這行數據所描述的主體，也是這條數據的關鍵

在一些場景下，表頭稱為列索引，索引稱為行索引 

語法

import pandas as pd
pd.DataFrame(data, index, columns, dtype, copy)

參數說明

data: 一組數據(ndarray、series, map, lists, dict 等類型)

index: 索引值，或者可以稱為行標簽

columns: 列標簽，默認為 RangeIndex (0, 1, 2, …, n)

dtype: 數據類型

copy: 拷貝數據，默認為 False

2.1 使用列表創建DataFrame

import pandas as pd
data = [['Odin',11],['Harry',12],['Lee',13]]
df1 = pd.DataFrame(data,columns=['Name','Age'],dtype=float)

df1

2.2 使用ndarrays創建DataFrame

import pandas as pd
data = {'Name':['Hudas', 'Odin', 'Summer'], 'Age':[20, 21, 22]}
df2 = pd.DataFrame(data)

df2 

2.3 使用字典key/value創建DataFrame

import pandas as pd
# 字典的key為列名 
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df3 = pd.DataFrame(data)

df3 

import pandas as pd
data1 = {
"calories": [420, 380, 390],
"duration": [50, 40, 45]
}
df4 = pd.DataFrame(data1, index = ["day1", "day2", "day3"])

df4