Pandas数据处理基础1

介绍

Pandas 是非常著名的开源数据处理库，我们可以通过它完成对数据集进行快速读取、转换、过滤、分析等一系列操作。除此之外，Pandas 拥有强大的缺失数据处理与数据透视功能，可谓是数据预处理中的必备利器。

数据类型

Pandas 的数据类型主要有以下几种，它们分别是：Series（一维数组），DataFrame（二维数组），Panel（三维数组），Panel4D（四维数组），PanelND（更多维数组）。其中 Series 和 DataFrame 应用的最为广泛，几乎占据了使用频率 90% 以上。

Series

Series 是 Pandas 中最基本的一维数组形式。其可以储存整数、浮点数、字符串等类型的数据。Series 基本结构如下：

pandas.Series(data=None, index=None)

其中，data 可以是字典，或者NumPy 里的 ndarray 对象等。index 是数据索引，索引是 Pandas 数据结构中的一大特性，它主要的功能是帮助我们更快速地定位数据。
比如：

import numpy as np
s=pd.Series(np.random.randn(5))
s

DataFrame

DataFrame 是 Pandas 中最为常见、最重要且使用频率最高的数据结构。DataFrame 和平常的电子表格或 SQL 表结构相似。你可以把 DataFrame 看成是 Series 的扩展类型，它仿佛是由多个 Series 拼合而成。它和 Series 的直观区别在于，数据不但具有行索引，且具有列索引。

DataFrame 基本结构如下：

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

区别于 Series，其增加了 columns 列索引。DataFrame 可以由以下多个类型的数据构建：

一维数组、列表、字典或者 Series 字典。
二维或者结构化的 numpy.ndarray。
一个 Series 或者另一个 DataFrame。

比如：
指定索引：

df = pd.DataFrame({'one': pd.Series([1, 2, 3]),
                   'two': pd.Series([4, 5, 6])})
df

不指定索引：

df=pd.DataFrame({'one':[1,2,3],
                'two':[4,5,6]})
df

或者

df=pd.DataFrame([{'one':1,'two':4},
                 {'one':2,'two':5},
                 {'one':3,'two':6}])
df

或者

pd.DataFrame(np.random.randint(5,size=(2,4)))

常用的 Series 和 DataFrame 数据类型，二者的核心区别是 Series 没有列索引
比如：

pd.Series(np.random.randint(5,size=(5,)))

输出结果：

0    3
1    2
2    3
3    3
4    0
dtype: int64

pd.DataFrame(np.random.randint(5,size=(5,)))

输出结果：

 	0
0 	0
1 	2
2 	4
3 	4
4 	3