import numpy as np
import pandas as pd
传入一个列表
S1 = pd.Series(["a", "b", "c", "d"])
指定索引
S2 = pd.Series([1, 2, 3, 4], index=["a", "b", "c", "d"])
传入一个字典
S3 = pd.Series({"a": 1, "b": 2, "c": 3, "d": 4})
获取Series的索引和值
S1.index # 索引
S1.values # 值
print('S1：',S1)
0 a
1 b
2 c
3 d
dtype: object
print('S2',S2)
a 1
b 2
c 3
d 4
dtype: int64
print('S3:',S3)
S3: a 1
b 2
c 3
d 4
dtype: int64
print('索引：S1.index:',S1.index) #索引：S1.index: RangeIndex(start=0, stop=4, step=1)
print('值：S1.values',S1.values) #值：S1.values ['a' 'b' 'c' 'd']
传入一个列表
df1 = pd.DataFrame(["a", "b", "c", "d"])
传入一个嵌套列表
df2 = pd.DataFrame([["a", "A"], ["b", "B"], ["c", "C"], ["d", "D"]])
指定行、列索引
df3 = pd.DataFrame([["a", "A"], ["b", "B"], ["c", "C"], ["d", "D"]], columns=[
"小写", "大写"], index=["一", "二", "三", "四"])
传入一个字典
data = {"小写": ["a", "b", "c", "d"], "大写": ["A", "B", "C", "D"]}
df4 = pd.DataFrame(data)
获取DataFrame的行、列索引 df.columns #行索引 df.index #列索引
print('--------------------------------')
1）通过一维数组创建序列
print('1）通过一维数组创建序列')
arr1 = np.arange(10)
print(arr1) # [0 1 2 3 4 5 6 7 8 9]
print('type(arr1)：', type(arr1)) # type(arr1)：
s1 = pd.Series(arr1)
print('s1:', s1) #
s1: 0 0
1 1
2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
dtype: int32
print('type(s1):', type(s1)) # type(s1):
print('2）通过字典的方式创建序列')
dic1 = {'a': 10, 'b': 20, 'c': 30, 'd': 40, 'e': 50}
print(dic1) # {'a': 10, 'b': 20, 'c': 30, 'd': 40, 'e': 50}
print('type(dic1):', type(dic1)) #type(dic1):
print('befor:')
type(dic1) # 没有输出何故？
print('after:')
s2 = pd.Series(dic1)
print(s2)
a 10
b 20
c 30
d 40
e 50
dtype: int64
print('type(s2):', type(s2)) # type(s2):
type(s2) # 没有输出何故？
print('3）通过DataFrame中的某一行或某一列创建序列')
这部分内容我们放在后面讲，因为下面就开始将DataFrame的创建。
2、DataFrame的创建
数据框的创建主要有三种方式：
print('1）通过二维数组创建数据框')
arr2 = np.array(np.arange(12)).reshape(4, 3)
print(arr2)
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
print('type(arr2):',type(arr2)) #type(arr2):
df1 = pd.DataFrame(arr2)
print(df1)
0 1 2
0 0 1 2
1 3 4 5
2 6 7 8
3 9 10 11
print('type(df1):',type(df1)) #type(df1):
print('2）通过字典的方式创建数据框:')
以下以两种字典来创建数据框，一个是字典列表，一个是嵌套字典。
dic2 = {'a': [1, 2, 3, 4], 'b': [5, 6, 7, 8],
'c': [9, 10, 11, 12], 'd': [13, 14, 15, 16]}
print(dic2) #{'a': [1, 2, 3, 4], 'b': [5, 6, 7, 8], 'c': [9, 10, 11, 12], 'd': [13, 14, 15, 16]}
print('type(dic2):',type(dic2)) #type(dic2):
df2 = pd.DataFrame(dic2)
print(df2)
a b c d
0 1 5 9 13
1 2 6 10 14
2 3 7 11 15
3 4 8 12 16
print('type(df2):',type(df2)) #type(df2):
dic3 = {'one': {'a': 1, 'b': 2, 'c': 3, 'd': 4},
'two': {'a': 5, 'b': 6, 'c': 7, 'd': 8},
'three': {'a': 9, 'b': 10, 'c': 11, 'd': 12}}
print(dic3) #{'one': {'a': 1, 'b': 2, 'c': 3, 'd': 4}, 'two': {'a': 5, 'b': 6, 'c': 7, 'd': 8}, 'three': {'a': 9, 'b': 10, 'c': 11, 'd': 12}}
print('type(dic3:',type(dic3)) #type(dic3:
df3 = pd.DataFrame(dic3)
print(df3)
one two three
a 1 5 9
b 2 6 10
c 3 7 11
d 4 8 12
print('type(df3):',type(df3)) # type(df3):
print('3）通过数据框的方式创建数据框:')
df4 = df3[['one', 'three']] # 取得是one ,three 2行！！！
print(df4)
one three
a 1 9
b 2 10
c 3 11
d 4 12
print('type(df4):',type(df4)) #type(df4):
s3 = df3['one']
print(s3)
a 1
b 2
c 3
d 4
Name: one, dtype: int64
print('type(s3):',type(s3)) #type(s3):
print('索引相关：')
s4 = pd.Series(np.array([1,1,2,3,5,8]))
print('s4:',s4)
s4: 0 1
1 1
2 2
3 3
4 5
5 8
dtype: int32
print('s4.index:',s4.index) #s4.index: RangeIndex(start=0, stop=6, step=1)
s4.index = ['a','b','c','d','e','f']
print('s4:',s4)
s4: a 1
b 1
c 2
d 3
e 5
f 8
dtype: int32
print('s4[3]:',s4[3]) #s4[3]: 3 用数字索引访问数据
print(r"s4['e']:",s4['e']) #s4['e']: 5 用新索引标签访问数据
print(r's4[[1,3,5]]:',s4[[1,3,5]]) #按依次按索引 来取值
s4[[1,3,5]]: b 1
d 3
f 8
dtype: int32
print("s4[['a','b','d','f']]:",s4[['a','b','d','f']]) #按依次按个性化索引 来取值
s4[['a','b','d','f']]: a 1
b 1
d 3
f 8
dtype: int32
print(r's4[:4]:',s4[:4]) #按依次按索引1-4 来取值，从0开始截止到4，但是不包括4
s4[:4]: a 1
b 1
c 2
d 3
dtype: int32
print(r"s4['c':]:",s4['c':]) #按依次按索引2到结尾 来取值，从0开始截止到到结尾,这里用的个性化的索引
s4['c':]: c 2
d 3
e 5
f 8
dtype: int32
print("s4['b':'e']:",s4['b':'e']) #按依次按索引2到结尾 来取值，从0开始截止到到结尾,这里用的个性化的索引
s4['b':'e']: b 1
c 2
d 3
e 5
dtype: int32
Original: https://blog.csdn.net/handsome1234/article/details/125828208
Author: handsome1234
Title: pandas 入门之index，代码均在python3.7环境调试过，也有注释，部分有运行结果，比较大的结果集未列出
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/678452/
转载文章受原作者版权保护。转载请注明原作者出处！