Pandas 中创建的数据包含两种类型：

SeriesDataFrame

内容导图Series

Series 是一维数组结构，它仅由 index（索引）和value（值）构成的。

Series 的索引具有唯一性，索引既可以是数字，也可以是字符，系统会自动将它们转成一个 object 类型（pandas 中的字符类型），如下图所示：

DataFrame 类型

DataFrame 是将数个 Series 按列合并而成的二维数据结构，每一列单独取出来是一个 Series ；除了拥有 index 和 value 之外，还有 column。如下图所示：

索引 index：0，1，2，3…….字段属性：fruit、number值 value：苹果、葡萄等；200、300 等导入库

先导入两个库：

import pandas as pdimport numpy as np

Series类型创建与操作通过可迭代类型列表、元组生成通过 python 字典生成通过 numpy 数组生成列表生成

通过列表的方式生成 Series 数据

s1 = pd.Series([7,8,9,10])s1# 结果0     71     82     93    10dtype: int64

s2 = pd.Series(list(range(1,8)))s2# 结果0    11    22    33    44    55    66    7dtype: int64

元组生成

下面的方法是通过元组生成 Series 数据

s3 = pd.Series((7,8,9,10,11))s3# 结果0     71     82     93    104    11dtype: int64

s4 = pd.Series(tuple(range(1,8)))  #  从1到8，不包含8s4# 结果0    11    22    33    44    55    66    7dtype: int64

使用字典创建

字典的键为索引，值为 Series 结构对应的值

dic_data = {"0":"苹果", "1":"香蕉", "2":"哈密瓜","3":"橙子"}s5 = pd.Series(dic_data)s5# 结果0     苹果1     香蕉2    哈密瓜3     橙子dtype: object

使用 numpy 数组

s6 = pd.Series(np.arange(3,9))s6# 结果0    31    42    53    64    75    8dtype: int64

指定索引（列表）

默认的索引都是从 0 开始的数值，可以在创建的时候指定每个索引

# 默认s1 = pd.Series([7,8,9,10])s1# 结果0     71     82     93    10dtype: int64

s7 = pd.Series([7,8,9,10], index=["A","B","C","D"])  # 指定索引值 s7# 结果A     7B     8C     9D    10dtype: int64

指定索引(字典形式)

字典的键作为索引值

dic_data = {"水果1":"苹果",             "水果2":"香蕉",             "水果3":"哈密瓜",            "水果4":"橙子"           }s8 = pd.Series(dic_data)s8# 结果水果1     苹果水果2     香蕉水果3    哈密瓜水果4     橙子dtype: object

查看索引值s8

# 结果

水果1 苹果

水果2 香蕉

水果3 哈密瓜

水果4 橙子

dtype: object

s8.index # 查看索引值

# 结果

Index(['水果1', '水果2', '水果3', '水果4'], dtype='object')

查看值s8

# 结果

水果1 苹果

水果2 香蕉

水果3 哈密瓜

水果4 橙子

dtype: object

s8.values

# 结果

array(['苹果', '香蕉', '哈密瓜', '橙子'], dtype=object)

更改索引# 1、新索引

index_new = ['one', 'two', 'three', 'four']

# 2、赋值

s8.index = index_new

s8

# 结果

one 苹果

two 香蕉

three 哈密瓜

four 橙子

dtype: object

查看是否存在空值

s7# 结果A     7B     8C     9D    10dtype: int64

s7.isnull()  # 没有空值# 结果A    FalseB    FalseC    FalseD    Falsedtype: bool

s7.notnull()# 结果A    TrueB    TrueC    TrueD    Truedtype: bool

查看某个索引的值

s7A     7B     8C     9D    10dtype: int64

两种方式查看：

通过自定义的索引查看通过对应的数值索引查看

s7["A"]  #  自定义的索引值7

s7[0]   # 默认的数值索引7

s7["D"]10

s7[3]10

将 Series 转成字典

s_dic = s7.to_dict()  # 转成字典形式s_dic# 结果{'A': 7, 'B': 8, 'C': 9, 'D': 10}

type(s_dic)   # 结果显示为字典类型# 结果dict

给 Series 索引命名

s8# 结果one       苹果two       香蕉three    哈密瓜four      橙子dtype: object

s8.index  # 原索引Index(['one', 'two', 'three', 'four'], dtype='object')

s8.index.name = "水果"  # 索引命名s8

结果显示为：

水果one       苹果two       香蕉three    哈密瓜four      橙子dtype: object

s8.index   # 更改之后的索引

Index(['one', 'two', 'three', 'four'], dtype='object', name='水果')

修改 Series 数值

s8# 结果为水果one       苹果two       香蕉three    哈密瓜four      橙子dtype: object

s8["three"] = "西瓜"  # 等价于s8[2] = "西瓜"s8

更改之后的值为：

水果one      苹果two      香蕉three    西瓜four     橙子dtype: object

Series 转为 DataFrame

s8水果one      苹果two      香蕉three    西瓜four     橙子dtype: object

在将 s8 转成 DataFrame 的过程中涉及到 3 个函数：

to_frame：转成 DataFramereset_index：DataFrame 类型的索引重置rename：DataFrame 的字段属性重置