Series
Series 类似一维数组，由一组数据及一组相关数据标签组成。使用pandas的Series类即可创建。
|
1
2
3
|
import pandas as pd
s1 = pd.Series(['a', 'b', 'c,', 'd'])
print(s1)
|
|
1
2
3
4
5
|
#输出： 0 a
# 1 b
# 2 c
# 3 d
# dtype: object
|
上面是传入一个列表实现，上面的0，1，2，3就是数据的默认标签。另外可以通过index属性自定义标签。
|
1
2
|
s2 = pd.Series(['1', '2', '3,', '4'],index=['a', 'b', 'c,', 'd']) # index设置自定义索引
print(s2)
|
另外Series还可以通过字典传参。
|
1
2
|
s3 = pd.Series({'a':1,'b':2})
print(s3.values) # 通过values获取它的值
|
DataFrame
DataFrame是由一组数据和一组索引组成的数据结构,有行索引和列索引。和excel类似，是一种表格型数据结构。下面的就是一种简单的DataFrame数据格式
|
1
2
3
|
技能
0 python
1 Java
|
DataFrame类中可传入列表实例化一个dataframe的表格数据对象，此时行和列索引默认都是0.常见的是传入嵌套的列表，嵌套的里面的列表也可以是元祖，如果不指定索引行列索引都是从0，1开始自增，并可以通过columns、index自定义的列索引和行索引。详见下面的代码。
|
1
2
3
|
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)
|
输出的格式如下：
|
1
2
3
4
5
6
7
8
9
|
0 1
0 a A
1 b B
2 c C
3 d D
|
|
1
2
|
df3 = pd.DataFrame([('a','A'),('b','B'),('c','C'),('d','D')],columns=['小写','大写'])
print(df3)
|
|
1
2
3
4
5
6
7
8
9
|
小写 大写
0 a A
1 b B
2 c C
3 d D
|
DataFrame类中也可传入字典来实例化一个dataframe的表格数据对象,此时字典的key就相当于列索引，此时行索引默认还是从0开始，另外也可通过 index来自定义列索引。
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服务器之家。
原文链接：https://juejin.im/post/5cc0895a5188250a80187d2e