Python Pandas数据结构简单介绍

Series数据结构详解

Series

Series结构类似于一个一维数组，它由两部分组成：一组实际数据以及与之对应的数据标签。在Python中，可以通过调用pandas库提供的Series类来创建这种数据结构。

import pandas as pd
s1 = pd.Series(['a', 'b', 'c,', 'd'])
print(s1)

#输出： 0   a 
#   1   b
#   2   c
#   3   d
#   dtype: object

上述示例展示了如何通过传入一个列表来创建Series，此时系统会自动生成从0开始的默认标签（如0, 1, 2, 3）。此外，用户还可以通过index属性来自定义这些标签，以实现更灵活的数据索引。

s2 = pd.Series(['1', '2', '3,', '4'],index=['a', 'b', 'c,', 'd']) # index设置自定义索引
print(s2)

除了列表，Series还可以通过传入字典参数来创建。这种方式允许直接使用字典的键作为索引，值作为数据，从而更直观地构建带标签的一维数据。

s3 = pd.Series({'a':1,'b':2})
print(s3.values) # 通过values获取它的值

DataFrame数据结构详解

DataFrame

DataFrame是Pandas中另一种核心数据结构，它由一组数据和两组索引（行索引和列索引）组成。其形态类似于Excel表格，是一种典型的二维表格型数据结构，适合处理结构化数据。

   技能 
 0  python 
 1  Java

在DataFrame类中，可以通过传入列表来实例化一个表格数据对象。当传入单个列表时，行和列的索引默认均从0开始。更常见的做法是传入嵌套列表（内部元素可以是元组或列表），如果不显式指定索引，系统会自动生成从0开始的行列索引。用户也可以通过columns和index参数自定义列索引和行索引，具体实现可参考后续代码。

import pandas as pd
df2 = pd.DataFrame([('a','A'),('b','B'),('c','C'),('d','D')]) # 传一个嵌套列表,嵌套里的数据可以是元祖，也可是列表
print(df2)

上述代码执行后的输出格式如下所示：

  0   1 

0  a  A 

1  b  B 

2  c  C 

3  d  D

df3 = pd.DataFrame([('a','A'),('b','B'),('c','C'),('d','D')],columns=['小写','大写'])
print(df3)

  小写 大写 

0 a    A

1 b    B

2 c    C

3 d    D

此外，DataFrame类也支持通过传入字典来实例化表格数据对象。在这种情况下，字典的键（key）会自动对应为列索引，而行索引默认仍从0开始。用户同样可以通过index参数来自定义行索引，从而实现更精细的数据控制。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持本站。