pandas中的Series和DataFrame
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
当前名称：pandas中的Series和DataFrame
网页地址：http://6mz.cn/article/gihgep.html