import numpy as np
import pandas as pd
from pandas import Series
from pandas import DataFrame

Series

Series 是 pandas 中暴露给我们使用的基本对象，它是由相同元素类型构成的一维数据结构，同时具有列表和字典的特点

预览

data = [1, 2, 3, 4, 5]
index = ['a', 'b', 'c', 'd', 'e']
s = Series(data, index=index)
s

a    1
b    2
c    3
d    4
e    5
dtype: int64

s.index

Index(['a', 'b', 'c', 'd', 'e'], dtype='object')

s.name

s.values

array([1, 2, 3, 4, 5])

s.dtype

dtype('int64')

s.shape

(5,)

创建

Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

无索引创建

• 如果 data 为 ndarray(1D) 或 list(1D)，那么其缺少 Series 需要的索引信息
• 如果提供 index，则必须和 data 长度相同
• 如果不提供 index，那么其将生成默认数值索引 range(0, data.shape[0])

# data = [1,2,3]
data1 = np.array([1,2,3])
index1 = ['a','b','c']
s = pd.Series(data = data1, index = index1)
s

a    1
b    2
c    3
dtype: int64

有索引创建

• 如果 data 为 Series 或 dict ，那么其已经提供了 Series 需要的索引信息，所以 index 项是不需要提供的
• 如果额外提供了 index 项，那么其将对当前构建的 Series 进行覆盖

# data = pd.Series([a,b,c], index = ['a','b','c'] )
data2 = { 'a':1, 'b':2,'c':3 }
index2 = ['a','b','d']
s = pd.Series(data=data2)
s

a    1
b    2
c    3
dtype: int64

DataFrame

DataFrame 由具有共同索引的 Series 按列排列构成（2D），是使用最多的对象，可以将其想象成一个 Excel 表来处理

预览

data = [[1,2,3],
        [4,5,6]]
index = ['a','b']
columns = ['A','B','C']
df = pd.DataFrame(data=data, index=index, columns=columns)
df

	A	B	C
a	1	2	3
b	4	5	6

df.index  # 行索引

Index(['a', 'b'], dtype='object')

df.columns  # 列索引，与Series的name一个意思

Index(['A', 'B', 'C'], dtype='object')

df.values

array([[1, 2, 3],
       [4, 5, 6]])

df.shape

(2, 3)

df.dtypes # dtype加s

A    int64
B    int64
C    int64
dtype: object

---

创建

DataFrame 函数创建

DataFrame(data=None, index=None, columns=None)

函数由多个参数，对我们有用的主要是：data,index和columns三项

data 无行索引，无列索引：

• 如果 data 为 ndarray(2D) or list(2D)，那么其缺少 DataFrame 需要的行、列索引信息
• 如果提供 index 或 columns 项，其必须和 data 的行 或 列长度相同
• 如果不提供 index 或 columns 项，那么其将默认生成数值索引 range(0, data.shape[0])) 或 range(0, data.shape[1])。

# data = [[1,2,3],
#        [4,5,6]]
data1 = np.array([[1,2,3],
                [4,5,6]] )
index1 = ['a','b']
columns1 = ['A','B','C']
df = pd.DataFrame(data1, index=index1, columns=columns1)
df

	A	B	C
a	1	2	3
b	4	5	6

data 无行索引，有列索引：

• 如果 data 为 dict of ndarray(1D) or list(1D)，所有 ndarray 或 list 的长度必须相同。且 dict 的 key 为 DataFrame 提供了需要的 columns 信息，缺失 index
• 如果提供 index 项，必须和 list 的长度相同
• 如果不提供 index，那么其将默认生成数值索引 range(0, data.shape[0]))
• 如果还额外提供了 columns 项，那么其将对当前构建的 DataFrame 进行 列重索引

data2 = {'A' : [1,4], 'B': [2,5], 'C':[3,6]}
index2 = ['a','b']
columns2 = ['A','B','D']
df = pd.DataFrame(data2)
df

	A	B	C
0	1	2	3
1	4	5	6

data 有行索引，有列索引：

• 如果 data 为 dict of Series or dict，那么其已经提供了 DataFrame 需要的所有信息
• 如果多个 Series 或 dict 间的索引不一致，那么取并操作（pandas 不会试图丢掉信息），缺失的数据填充 NaN
• 如果提供了 index 项或 columns 项，那么其将对当前构建的 DataFrame 进行 重索引（reindex，pandas 内部调用接口）

# data3 = { 'A' : pd.Series([1,4] ,index = ['a','b']), 'B' : pd.Series([2,5] ,index = ['a','b']), 'C' : pd.Series([3,6] ,index = ['a','c']) }
data3 = { 'A' : { 'a':1, 'b':4}, 'B': {'a':2,'b':5}, 'C':{'a':3, 'c':6} }
df = pd.DataFrame(data3)
df

	A	B	C
a	1.0	2.0	3.0
b	4.0	5.0	NaN
c	NaN	NaN	6.0

由 csv 文件创建

pd.read_csv(filepath_or_buffer, sep=',', header='infer', names=None, index_col=None, encoding=None)，read_csv 的参数很多，但这几个参数就够我们使用了：

• filepath_or_buffer：路径和文件名不要带中文，带中文容易报错
• sep: csv 文件数据的分隔符，默认是','，根据实际情况修改
• header：如果有列名，那么这一项不用改
• names：如果没有列名，那么必须设置 header = None， names 为列名的列表，不设置默认生成数值索引
• index_col：int 型，选取这一列作为索引
• encoding：根据你的文档编码来确定，如果有中文读取报错，试试 encoding = 'gbk'

csv_df = pd.read_csv( 'files/csv_test.csv')
csv_df.head()

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4

csv_df.index

RangeIndex(start=0, stop=244, step=1)

csv_df.columns

Index(['total_bill', 'tip', 'sex', 'smoker', 'day', 'time', 'size'], dtype='object')

csv_df.values

array([[16.99, 1.01, 'Female', ..., 'Sun', 'Dinner', 2],
       [10.34, 1.66, 'Male', ..., 'Sun', 'Dinner', 3],
       [21.01, 3.5, 'Male', ..., 'Sun', 'Dinner', 3],
       ...,
       [22.67, 2.0, 'Male', ..., 'Sat', 'Dinner', 2],
       [17.82, 1.75, 'Male', ..., 'Sat', 'Dinner', 2],
       [18.78, 3.0, 'Female', ..., 'Thur', 'Dinner', 2]], dtype=object)

由 excel 文件创建

pd.read_excel(io, sheetname=0, header=0, index_col=None, names=None)，read_excel 的参数很多，但这几个参数就够我们使用了：

• header：如果有列名，那么这一项不用改；
• names：如果没有列名，那么必须设置 header = None， names 为列名的列表，不设置默认生成数值索引；
• index_col：int 型，选取这一列作为索引。

excel_df = pd.read_excel('files/excel_test.xls')
excel_df.head()

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4