Pandas 数据结构 - Series

Pandas Series 代表表格中的一个列（column），类似于一维数组，可以保存任何数据类型。

Series 由索引（index）和列组成，函数如下：

pandas.Series( data, index, dtype, name, copy)

参数说明：

• data：一组数据(ndarray 类型)。
• index：数据索引标签，如果不指定，默认从 0 开始。
• dtype：数据类型，默认会自己判断。
• name：设置名称。
• copy：拷贝数据，默认为 False。

创建一个简单的 Series 范例：

import pandas as pd

a = [1, 2, 3]
myvar = pd.Series(a)
print(myvar)

输出结果如下：

从上图可知，如果没有指定索引，索引值就从 0 开始，我们可以根据索引值读取数据：

import pandas as pd

a = [1, 2, 3]
myvar = pd.Series(a)
print(myvar[1])

输出结果如下：

2

我们可以指定索引值，如下范例：

import pandas as pd

a = ["Google", "Codebaoku", "Wiki"]
myvar = pd.Series(a, index = ["x", "y", "z"])
print(myvar)

输出结果如下：

根据索引值读取数据:

import pandas as pd

a = ["Google", "Codebaoku", "Wiki"]
myvar = pd.Series(a, index = ["x", "y", "z"])
print(myvar["y"])

输出结果如下：

Codebaoku

我们也可以使用 key/value 对象，类似字典来创建 Series：

import pandas as pd

sites = {1: "Google", 2: "Codebaoku", 3: "Wiki"}
myvar = pd.Series(sites)
print(myvar)

输出结果如下：

从上图可知，字典的 key 变成了索引值。

如果我们只需要字典中的一部分数据，只需要指定需要数据的索引即可，如下范例：

import pandas as pd

sites = {1: "Google", 2: "Codebaoku", 3: "Wiki"}
myvar = pd.Series(sites, index = [1, 2])
print(myvar)

输出结果如下：

设置 Series 名称参数：

import pandas as pd

sites = {1: "Google", 2: "Codebaoku", 3: "Wiki"}
myvar = pd.Series(sites, index = [1, 2], name="CODEBAOKU-Series-TEST" )
print(myvar)

Pandas 数据结构 DataFrame：DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。