import numpy as np
import pandas as pd
from pandas import Series, DataFrame
Series和DataFrame.png
Series创建
- 基本知识
- 类似于一维数组的对象
- 由一组数据（各种Numpy数据类型）和数据标签（索引）组成
- 左边索引，右边数值；
- 不指定索引的话，自动从0开始；
- 索引也可以自定义：index=['a', 'b', 'c', 'd']
- 通过Python的字典类型创建
image.png
Series中值的获取
- 通过索引的方式获取
- 使用Series自己创建时候的索引
- 使用默认的数值索引
- 使用布尔型数组、标量乘法、应用函数等作为索引
image.png
索引操作
索引缺失值处理
- 缺失值用NaN表示
- isnull和notnull检测缺失值
image.png
索引多样性
image.png
image.png
Series对象的name属性
- S数据本身和索引都有name属性
- 能够直接指定name属性的值
image.png
索引就地修改
image.png
DataFrame
- 表格型数据结构，含有一组有序的列
- 既有行索引也有列索引
DF创建
- 使用pd.DataFrame(data)
- 直接传入字典型数据
- 通过columns参数指定各个属性的顺序
image.png
image.png
DF操作1
- 1、查看DF中有哪些列属性columns和索引index
- 2、查看DF中的所有数据values，通过属性的方式
- 3、查看DF中的部分数据
- 查看列数据
- 通过字典标记或者属性（.点）的方式
- 获取到的其实就是个S型数据
- frame[column] # 更通用
- frame.column
- 查看行数据
- loc
- iloc
- 查看列数据
- 4、通过赋值修改某列的数据
- 传入具体数值数据
- 传入numpy生成的数据
- 传入S型数据，长度需要和D型数据一致，否则空位上将被填上缺失值
- 赋值新的列：如果操作的列不存在，则会自动创建
image.png
image.png
image.png
DF操作2（重点）
- 1、 创建不存在的列：只能通过字典标记的形式
- 2、创建布尔型数据
- 如何创建一列布尔值(T/F)的数据
- 如何创建一个新的属性数据
- 3、删除数据del
- 4、嵌套字典形式创建DF数据
- 外层作为列索引
- 内层作为行索引
- 5、DF转置T
- 6、DF中传入S型数据
- 7、设置DF的columns和index属性的name属性
image.png
image.png
image.png
