Series 是带标签的一维数组，可存储整数、浮点数、字符串、Python 对象等类型的数据。轴标签统称为索引。

• 创建 : pd.Series(self, data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

• data 参数 支持以下数据类型

  1. Python 字典 : pd.Series({'b': 1, 'a': 0, 'c': 2})
  2. 多维数组 : data 是多维数组时，index 长度必须与 data 长度一致。没有指定 index 参数时，创建数值型索引，即 [0, ..., len(data) - 1]。
  3. 标量值（如，5） : data 是标量值时，必须提供索引。Series 按索引长度重复该标量值。

• Series 属性

  import pandas as pd
  import numpy as np
  
  index = ["stu0", "stu1", "stu2", "stu3"]
  value = [
  	["张三", 13, 1],
  	["李四", 32, 2],
  	["王五", 23, 1],
  	["小二", 12, 1],
  ]
  se = pd.Series(index=index, data=value)
  print(se)
  print(se.ndim)  # 1
  print(se.dtype)  # object
  print(se.shape)  # (4,)
  print(se.index)  # Index(['stu0', 'stu1', 'stu2', 'stu3'], dtype='object')
  print(se.values)  # [list(['张三', 13, 1]) list(['李四', 32, 2]) list(['王五', 23, 1]) list(['小二', 12, 1])]

DataFrame 是由多种类型的列构成的二维标签数据结构，类似于 Excel 、SQL 表，或 Series 对象构成的字典。DataFrame 是最常用的 Pandas 对象，与 Series 一样，

• pd.DataFrame(self, data=None, index: Optional[Axes] = None, columns: Optional[Axes] = None, dtype: Optional[Dtype] = None, copy: bool = False,)

  • 参数

    参数	描述
    data	数据
    index	行索引
    columns	列索引
    copy	是否允许生成副本

• DataFrame 支持多种类型的输入

  1. 一维 ndarray、列表、字典、Series 字典
  2. 二维 numpy.ndarray
  3. 结构多维数组或记录多维数组
     1. Series
     2. DataFrame

• 创建方式

  1. 逐个传入行列与数据信息

     import pandas as pd
     
     # 创建 DataFrame
     # 一、逐个传入行索引、列索引、数据部分
     # 行索引
     index = ["stu0", "stu1", "stu2", "stu3"]
     # 列索引
     columns = ["name", "age", "group"]
     
     # 数据部分
     value = [
     	["张三", 13, 1],
     	["李四", 32, 2],
     	["王五", 23, 1],
     	["小二", 12, 1],
     ]
     
     df = pd.DataFrame(data=value, index=index, columns=columns)
     """
          name  age  group
     stu0   张三   13      1
     stu1   李四   32      2
     stu2   王五   23      1
     stu3   小二   12      1
     """

  2. 字典形式传入数据 (以列名称作为字典的 key, 每一列的值作为字典的 values)

     import pandas as pd
     
     # 创建 DataFrame
     
     # 二、字典形式传入数据
     index = ["stu0", "stu1", "stu2", "stu3"]
     dict1 = {
     	"name": ["张三", "李四", "王五", "小二",],
     	"age": [12, 21, 32, 32],
     	"group": [1, 2, 1, 1],
     }
     df1 = pd.DataFrame(dict1, index=index)
     print(df1)
     """
          name  age  group
     stu0   张三   12      1
     stu1   李四   21      2
     stu2   王五   32      1
     stu3   小二   32      1
     """

• 属性

  • shape : 行列数
  • ndim : 维度
  • size : 大小 (内部数据数目)
  • dtypes : DataFrame 内属性类型, 以列数返回,多种类型的话向上选取数据类型，字符串返回为 object 而非 string
  • values : 数据部分
  • index : 行索引
  • columns : 列索引

• 修改索引

  1. 修改整个行索引 : df.columns = 新的行索引
  2. 修改列部分索引名称 : df.rename(columns={"旧名称1": "新名称1", "旧名称2": "新名称2"}, inplace=True)
  3. 修改行部分索引名称 : df.rename(index={"旧名称1": "新名称1", "旧名称2": "新名称2"}, inplace=True)

直接索引

• 对单列数据的访问：DataFrame 的单列数据为一个 Series。根据 DataFrame 的定义可以 知晓 DataFrame 是一个带有标签的二维数组，每个标签相当每一列的列名。有以下两种方式 来实现对单列数据的访问。

  1. 以字典访问某一个 key 的值的方式使用对应的列名，实现单列数据的访问。
  2. 以属性的方式访问，实现单列数据的访问

• 查询实例

  • 访问某些列 : df_name[ [列索引1, 列索引2, ...] ]
  • 访问某些行的某些列 : df_name[ [列索引1, 列索引2, ...] ][ 行下标1: 行下标2] 或 df_name[ 行下标1 : 行下标2][ [列索引1, 列索引2, ...] ]

• 实例

  import pandas as pd
  
  index = ["stu0", "stu1", "stu2", "stu3"]
  columns = ["name", "age", "group"]
  # 数据部分
  value = [["壮壮", 19, 1],
           ["大壮", 20, 2],
           ["张杰", 19, 1],
           ["樊浩", 17, 2]]
  df = pd.DataFrame(index=index, columns=columns, data=value)
  out = df["name"]
  # print(df)
  """	
       name  age  group
  stu0   壮壮   19      1
  stu1   大壮   20      2
  stu2   张杰   19      1
  stu3   樊浩   17      2
  """
  # 1. 使用索引名称
  print(out["stu1"])  # 大壮
  
  # 2. 使用索引下标
  print(out[2])  # 张杰
  
  # 3. 使用索引名称的切片
  print(out["stu2":"stu2"])
  """
  stu2    张杰
  Name: name, dtype: object
  """
  # 4. 使用索引下标的切片
  print(out[2:3])
  """
  stu2    张杰
  Name: name, dtype: object
  """
  # 5. 使用索引名称的列表
  print(out[["stu1"]])
  """
  stu1    大壮
  Name: name, dtype: object
  """
  # 6. 使用索引下标的列表
  print(out[[2]])
  """
  stu2    张杰
  Name: name, dtype: object
  """
  # 7. head 的形式
  print(out.head(3))
  """
  stu0    壮壮
  stu1    大壮
  stu2    张杰
  Name: name, dtype: object
  """
  # 8. tail 的形式
  print(out.tail(3))
  """
  stu1    大壮
  stu2    张杰
  stu3    樊浩
  Name: name, dtype: object
  """
  
  # 访问多个值
  print(out["stu0":"stu3"])
  """
  stu0    壮壮
  stu1    大壮
  stu2    张杰
  stu3    樊浩
  Name: name, dtype: object
  """
  print(out[["stu1", "stu2"]])
  """
  stu1    大壮
  stu2    张杰
  Name: name, dtype: object
  """
  print(out[1:3])
  """
  stu1    大壮
  stu2    张杰
  Name: name, dtype: object
  """

loc 与 iloc 索引方式

• DF_name.loc[行信息, 列信息] 同时获取指定范围内的行列数据 ，不可以使用下标
  • 行信息 : 起始行值 : 结束行值; 也可以使用 关键字/布尔索引
  • 列信息 : 起始列值 : 结尾列值; 也可以使用 关键字/布尔索引
• DF_name.iloc[] 同时行列索引, 只能使用下标