零、导读

(资料图片仅供参考)

零、引子

Numpy在向量化的数值计算中表现优异

但是在处理更灵活、复杂的数据任务:

如为数据添加标签、处理缺失值、分组和透视表等方面

Numpy显得力不从心

而基于Numpy构建的Pandas库，提供了使得数据分析变得更快更简单的高级数据结构和操作工具

一、对象的创建

1.1一维数组（Series）

通用结构

importpandasaspddata=pd.Series([1.5,3,4.5,6])data

data=pd.Series([5,6,7,8],index=["a","b","c","d"],dtype="float")

data

data["a"]

2、用一维numpy数组创建

importnumpyasnp

x=np.arange(5)

pd.Series(x)

3.用字典创建

.默认以键为index值为data

●字典创建，如果指定index，则会到字典的键中筛选，找不到的，值设为NaN

4、data为标量的情况

pd.Series(5,[100,200,300])

1.2多维数组

DataFrame是带标签数据的多维数组

DataFrame对象的创建

通用结构pd.DataFrame(data,index=index,columns=columns)

data:数据，可以是列表，字典或Numpy数组

index:索引，为可选参数

columns:列标签，为可选参数

p_d={"a":1,"b":5,"c":7,"d":6}p=pd.Series(p_d)pd.DataFrame(p)

2.通过Series对象字典创建

3.通过宇典列表对象创建

●不存在的键，会默认值为NaN

4、通过Numpy二维数组创建

二、DataFrame性质

2.1属性

2.2索引

3、切片