pandas的引入及Series的基础操作

作用

相对于numpy，pandas更进一步能帮助处理数值型数据之外的其他类型数据（比如时间序列、字符串等）；

常用数据类型

• Series：一维，带标签数组
• DataFrame：二维，Series容器

Series

创建Series数组

• 语法结构：

  pd.series(数据序列, index=索引序列)
  

  • 举例：pd.Series(np.arange(11), index=list("asdfghjkkll"))
    输出时一一对应；
  • 索引序列：
    • 大写字母构成序列：

      import string
      string.ascii_uppercase[i] for i in range(10)
      

      • 生成字符串格式大写字母序列；
      • 最多26位；
• 举例：

  import pandas as pd
  import numpy as np
  
  s = pd.Series(np.arange(11))
  print(type(s))
  print(s)
  

  • 其中数据类型为：pandas.core.series.Series；
  • 对数组进行打印结果为：

    0      0
    1      1
    2      2
    3      3
    4      4
    5      5
    6      6
    7      7
    8      8
    9      9
    10    10
    dtype: int32
    

• pandas中会自动根据数据类型更改series的dtype类型；
• 当指定索引无对应值时，为nan；
• 通过字典创建时，键值对分别对应series的索引和值；

  temp_dict = {"name":"Lee", "age":24}
  s = pd.Series(temp_dict)
  print(s["name"])
  print(s[0])
  

  输出均为：Lee

Series的索引和切片操作

• 通过位置和索引取值：

  temp_dict = {"name":"Lee", "age":24}
  s = pd.Series(temp_dict)
  print(s["name"])
  print(s[0])
  

  输出均为：Lee
• 取前n行：
  print(s[:n])
• 取第m、n行：
  print(s[m, n])
• 按步长取行：
  print(s[start: stop: step])
  -在值为数值时可按大小关系取行：
  print(s[s>n])