1.Series介绍及创建

站在用户的角度思考问题，与客户深入沟通，找到殷都网站设计与殷都网站推广的解决方案，凭借多年的经验，让设计与互联网技术结合，创造个性化、用户体验好的作品，建站类型包括：网站设计、网站制作、企业官网、英文网站、手机端网站、网站推广、域名与空间、虚拟主机、企业邮箱。业务覆盖殷都地区。

Series是一种类似与一维数组的对象，由下面两个部分组成：

values：一组数据(ndarray类型)

index：相关的数据索引标签

创建Series的两种方式：

第一种：由列表或numpy数组创建：

s1 =Series([11,22,33,44,55],index=['a1','b1','c1','d1','e1'],name='Hello world')

print(s1)

运行结果：

a1 11

b1 22

c1 33

d1 44

e1 55

Name: Hello world, dtype: int64

a1 = np.array([11,22,33,44,55])

s2 = Series(a1,index=['a1','b1','c1','d1','e1'],name='hello series')

print(s2)

运行结果：

a1 11

b1 22

c1 33

d1 44

e1 55

Name: hello series, dtype: int32

第二种：由字典创建，不存在index参数设置，但是依然存在默认索引(数据源必须为一维数据)

dict = {'hello':12,'series':30}

s3 = Series(data=dict)

print(s3)

运行结果：

hello 12

series 30

dtype: int64

2.DataFrame的介绍及创建

DataFrame具有标记轴(行和列)的二维大小可变，可能异构的表格数据结构

算术运算在行标签和列标签上对齐

可以被认为是Series对象的类似dict的容器

是pandas的主要数据结构

创建DataFrame的4种方式：

1.使用字典创建DataFarme

dicts = {"tag1": [90, 22, 66],'tag2': [12, 33, 66]}

d1 = DataFrame(data=dicts, index=['a', 'b', 'c'])

print(d1)

运行结果：

tag1 tag2

a 90 12

b 22 33

c 66 66

2.使用ndarray创建DataFrame

d2 = DataFrame(data=np.random.randint(0,100,size=(3,6)),index=["one","two","three"],columns=["a","b","c","d","e","f"])

print(d2)

运行结果：无锡人流医院 http://xmobile.wxbhnk120.com/

a b c d e f

one 62 74 51 29 98 18

two 16 16 44 3 64 72

three 42 94 46 60 34 59

3.隐式构造

最常见的方法是给DataFrame构造函数的index或者columns参数传递两个或更多的数组(如下另个列的标签数组)

d3 = DataFrame(data=np.random.randint(0, 100, size=(2, 4)), index=['x', 'y'], columns=[['a', 'b', 'c', 'd'], ['q1', 'q2', 'q3', 'q4']])

print(d3)

运行结果：

a b c d

q1 q2 q3 q4

x 47 26 11 8

y 40 76 18 9

4.显示构造

使用pd.MultiIndex.from_arrays数组方式

创建了一个索引对象，该索引对象为二层索引

indexObj = pd.MultiIndex.from_arrays([['q1', 'q2', 'q3', 'q1'], ['a', 'b', 'c', 'd']])

d4 = DataFrame(data=np.random.randint(0, 100, size=(2, 4)), index=['x', 'y'], columns=indexObj)

print(d4)

运行结果：

q1 q2 q3 q1

a b c d

x 85 72 43 4

y 8 43 55 68

本文名称：pandas中的Series和DataFrame
文章来源：http://azwzsj.com/article/gihgep.html