数据结构

Series

• Series类似于表格中的一个列，即一个一维数组，可以保存任何数据
• 构造函数：pandas.Series(data, index, dtype, name, copy)
  • data：一组数据(ndarray类型)
  • index：数据索引标签，不指定则默认从0开始
  • dtype：数据类型，默认自动判断
  • name：设置Series的名称
  • copy：拷贝数据，默认为False

索引（index）

• 可以使用指定的索引值来取出元素：name[index]
• 自定义索引
  • 使用List：index = ['a', 'b', 'c', ...]
• 同样，可以使用类字典（key/value）的方式来创建Series
  • 字典中的key将变为索引值
• 可以使用object.index取出索引

DataFrame

• DataFrame是一个表格型的数据结构
  • 含有一组有序的列，每列可以是不同的值类型
  • 既有行索引，也有列索引
  • 可以被看作由Series组成的字典（共用一个索引）
• 构造方法：pandas.DataFrame(data, index, column, dtype, copy)
  • 参数说明
    • data：一组数据(ndarray/series/map/lists/dict等类型)
    • index：行标签，不指定则默认从0开始
    • column：列标签，不指定则默认从0开始
    • dtype：数据类型，默认自动判断
    • copy：拷贝数据，默认为False
  • 使用普通方法构建：
    • 
  • 使用ndarray创建
    • 
  • 使用字典创建，其中字典的key为列名
    • 
    • 没有对应的部分数据为NaN

索引

• 索引值的指定方法与Series一致
• 使用object.object和object.column取出行索引和列索引
• loc
  • 若没有设置行索引，则默认从0开始：df.loc[3]
    • 返回的结果即为一个Series数据
  • 使用[[indexs]]返回多行数据：df.loc[[0,1]]
    • 返回的结果为一个DataFrame数据
    • 同样可以使用[from:to]索引多行
• iloc
  • 通过普通索引（数字）的方式索引数据
  • i->index
  • 其返回值附带标签信息
• 条件过滤筛选
  • df[df["A"]>0]
  • df.loc[:, df.iloc[0] > 0]