pandas 数据结构介绍

 

一、pandas 基础数据结构

    1、pandas 中主要有两种数据结构：Series 和 DataFrame。

    2、Series：一种一维的数组型对象，它包含了一个值序列（与 NumPy 中的类型相似），并且包含了数据标签，称为索引（index）。最简单的序列可以仅仅由一个数组组成。注意：Series 中的索引值是可以重复的。

    3、DataFrame：表示矩阵的数据表，它包含已排序的列集合，每一列可以是不同的值类型（数值、字符串、布尔值等）。DataFrame 既有行索引也有列索引，它可以被视为一个共享相同索引的 Series 的字典。在 DataFrame 中，数据被存储为一个以上的二维块，而不是列表、字典或其他 一维数组的集合。

二、Series

    1、由一个数组数据产生简单的 Series 对象

        

        交互式环境中 Series 的字符串表示，索引在左边，值在右边。由于我们不为数据指定索引，默认生成的索引是从 0 到 N-1（N是数据的长度）。

        通过 values 属性和 index 属性分别获得 Series 对象的值和索引：

            

    2、创建一个索引序列，用标签标识每个数据点

        

        与 NumPy 的数组相比，我们可以使用标签来进行索引从数据中选择数据：

            

            ["c", "a", "d"] 包含的不是数字，而是字符串，作为索引列表。

        使用 NumPy 的函数或 NumPy 风格的操作，比如使用布尔值数组进行过滤，与标量相乘，或是应用数学函数，这些操作将保存索引值连接：

            

        从另一个角度考虑 Series，可以认为它是一个长度固定且有序的字典，因为它将索引值和数据值按位置配对。在我们可能会使用字典的上下文中，也可以使用 Series：

            

    3、使用字典生成 Series

        

        当我们把字典传递给 Series 构造函数时，产生的 Series 的索引将是排序好的字典键。

        我们可以将字典键按照我们想要的顺序传递给构造函数，从而生成的 Series 的索引顺序符合我们的预期：

            

            sdata 中的三个值被放置在正确的位置，但是因为 "California" 没有出现在 sdata 的键中，它对应的值是 NaN（not a number），这是 pandas 中标记缺失值 或 NA 值的方式。因为 “Utah” 并不在 states 中，它被排除在结果对象外。

        pandas 中使用 isnull 和 notnull 函数来检查缺失数据：

            

            

            

            注意：isnull 和 notnull 也是 Series 的实例方法。

            

    4、自动对齐索引

        对于很多应用来说，在数学操作中自动对齐索引是 Series 的一个非常有用的特性：

            

            

            

            

    5、Series 对象自身 及其 索引 的 name 属性

        Series 对象自身和其索引都有 name 属性，这个特性与 pandas 其他重要功能集成在一起：

            

    6、修改 Series 的索引

        Series 的索引可以通过按位置赋值的防守进行改变。

        

        

 

三、DataFrame