pandas的数据对象包括

Pandas 系列之Series类型数据

本文开始正式写Pandas的系列文章，就从：如何在Pandas中创建数据开始。Pandas中创建的数据包含两种类型：

• Series类型
• DataFrame类型

内容导图

Series类型

Series 是一维数组结构，它仅由index（索引）和value（值）构成的。

Series的索引具有唯一性，索引既可以是数字，也可以是字符，系统会自动将它们转成一个object类型（pandas中的字符类型）。

DataFrame类型

DataFrame 是将数个 Series 按列合并而成的二维数据结构，每一列单独取出来是一个 Series ；除了拥有index和value之外，还有column。下图中：

• 索引Index：0，1，2，3…….
• 字段属性：fruit，number
• 值value：苹果、葡萄等；200、300等

导入库

先导入两个库：

import pandas as pd import numpy as np 

Series类型创建与操作

• 通过可迭代类型列表、元组生成
• 通过python字典生成
• 通过numpy数组生成

列表生成

通过列表的方式生成Series数据

s1 = pd.Series([7,8,9,10]) s1 # 结果 0 7 1 8 2 9 3 10 dtype: int64 

s2 = pd.Series(list(range(1,8))) s2 # 结果 0 1 1 2 2 3 3 4 4 5 5 6 6 7 dtype: int64 

元组生成

下面的方法是通过元组生成Series数据

s3 = pd.Series((7,8,9,10,11)) s3 # 结果 0 7 1 8 2 9 3 10 4 11 dtype: int64 

s4 = pd.Series(tuple(range(1,8))) # 从1到8，不包含8 s4 # 结果 0 1 1 2 2 3 3 4 4 5 5 6 6 7 dtype: int64 

使用字典创建

字典的键为索引，值为Series结构对应的值

dic_data = {"0":"苹果", "1":"香蕉", "2":"哈密瓜","3":"橙子"} s5 = pd.Series(dic_data) s5 # 结果 0 苹果 1 香蕉 2 哈密瓜 3 橙子 dtype: object 

使用numpy数组

s6 = pd.Series(np.arange(3,9)) s6 # 结果 0 3 1 4 2 5 3 6 4 7 5 8 dtype: int64 

指定索引(列表)

默认的索引都是从0开始的数值，可以在创建的时候指定每个索引

# 默认 s1 = pd.Series([7,8,9,10]) s1 # 结果 0 7 1 8 2 9 3 10 dtype: int64 

s7 = pd.Series([7,8,9,10], index=["A","B","C","D"]) # 指定索引值  s7 # 结果 A 7 B 8 C 9 D 10 dtype: int64 

指定索引(字典形式)

字典的键作为索引值

dic_data = {"水果1":"苹果", "水果2":"香蕉", "水果3":"哈密瓜", "水果4":"橙子" } s8 = pd.Series(dic_data) s8 # 结果 水果1 苹果 水果2 香蕉 水果3 哈密瓜 水果4 橙子 dtype: object 

查看索引值

s8 # 结果 水果1 苹果 水果2 香蕉 水果3 哈密瓜 水果4 橙子 dtype: object 

s8.index # 查看索引值 # 结果 Index(['水果1', '水果2', '水果3', '水果4'], dtype='object') 

查看值

s8 # 结果 水果1 苹果 水果2 香蕉 水果3 哈密瓜 水果4 橙子 dtype: object 

s8.values # 结果 array(['苹果', '香蕉', '哈密瓜', '橙子'], dtype=object) 

更改索引

# 新索引 index_new = ['one', 'two', 'three', 'four'] # 赋值 s8.index = index_new s8 # 结果 one 苹果 two 香蕉 three 哈密瓜 four 橙子 dtype: object 

查看是否存在空值

s7 # 结果 A 7 B 8 C 9 D 10 dtype: int64 

s7.isnull() # 没有空值 

A False B False C False D False dtype: bool 

s7.notnull() 

A True B True C True D True dtype: bool 

查看某个索引的值

s7 A 7 B 8 C 9 D 10 dtype: int64 

s7["A"] # 自定义的索引值 7 

s7[0] # 默认的数值索引 7 

s7["D"] 10 

s7[3] 10 

将Series转成字典

s_dic = s7.to_dict() # 转成字典形式 s_dic {'A': 7, 'B': 8, 'C': 9, 'D': 10} 

type(s_dic) # 结果显示为字典类型 dict 

给Series索引命名

s8 one 苹果 two 香蕉 three 哈密瓜 four 橙子 dtype: object 

s8.index # 原索引 Index(['one', 'two', 'three', 'four'], dtype='object') 

s8.index.name = "水果" # 索引命名 s8 

结果显示为：

水果 one 苹果 two 香蕉 three 哈密瓜 four 橙子 dtype: object 

s8.index # 更改之后的索引 

Index(['one', 'two', 'three', 'four'], dtype='object', name='水果') 

修改Series数值

s8 # 结果为 水果 one 苹果 two 香蕉 three 哈密瓜 four 橙子 dtype: object 

s8["three"] = "西瓜" # 等价于s8[2] = "西瓜" s8 

更改之后的值为：

水果 one 苹果 two 香蕉 three 西瓜 four 橙子 dtype: object 

Series结构转成DataFrame结构

s8 水果 one 苹果 two 香蕉 three 西瓜 four 橙子 dtype: object 

在将s8转成DataFrame的过程中涉及到3个函数：

• to_frame：转成DataFrame
• reset_index：DataFrame类型的索引重置
• rename：DataFrame的字段属性重置

关于DataFrame的相关内容下节详细讲解，敬请期待！