在pandas中接下來要經常用到的數據結構就是Series和DataFrame了。這兩個對象為大多數數據處理提供了可靠、易于使用的功能
Series
Series是由一組數據以及這組數據所對應的數據標簽（即索引）組成。
In [66]: obj = Series([4, 7, -5, 3])
In [67]: obj
Out[67]:
0 4
1 7
2 -5
3 3
dtype: int64
其中左邊的一列數字即為索引，索引默認是0到N-1的數字。
自定義索引
我們可以通過設置index屬性來自定義索引的表現形式。
In [68]: obj2 = Series([4, 7, -5, 3],index = ['d','b','a','c'])
In [69]: obj2
Out[69]:
d 4
b 7
a -5
c 3
dtype: int64
Series索引的應用
In [70]: obj2['a']
Out[70]: -5
In [71]: obj2['d'] = 6
In [72]: obj2
Out[72]:
d 6
b 7
a -5
c 3
dtype: int64
In [74]: obj2[['a','b','c']]
Out[74]:
a -5
b 7
c 3
dtype: int64
In [79]: obj2[['a','b','c']] = 1
In [80]: obj2
Out[80]:
d 6
b 1
a 1
c 1
dtype: int64
我們可以通過直接索引的方式來取出一個值或者一組值，也可以像NumPy一樣可以對它們進行賦值。
Series的運算
In [83]: obj2[obj2 > 0]
Out[83]:
d 4
b 7
c 3
dtype: int64
In [84]: obj2 * 2
Out[84]:
d 8
b 14
a -10
c 6
dtype: int64
NumPy的運算函數也支持Series對象
In [85]: np.exp(obj2)
Out[85]:
d 54.598150
b 1096.633158
a 0.006738
c 20.085537
dtype: float64
Series和Python字典的關系
In [88]: sdata = {'Ohio': 35000, 'Texas':71000, 'Oregon':16000, 'Utah':5000}
In [89]: obj3 = Series(sdata)
In [90]:
Out[90]:
Ohio 35000
Texas 71000
Oregon 16000
Utah 5000
dtype: int64
如果單單傳入一個字典，那么最終得到的Series對象中的索引值就是字典的鍵值。
In [91]: states = ['California', 'Ohio', 'Oregon','Texas']
In [92]: obj4 = Series(sdata, index=states)
In [93]: obj4
Out[93]:
California NaN
Ohio 35000.0
Oregon 16000.0
Texas 71000.0
dtype: float64
在上面這個替換索引的例子中，sdata中的鍵值（索引）與states中相匹配的三個值會被找出來作了替換，但是California這個索引在sdata中不存在，所以它的結果為NaN。在pandas中，NaN表示缺失數據。
如果傳入多個字典，那結果會和上面的例子截然相反
In [94]: sdata2 = {'Ohios': 35000, 'Texass':71000, 'Oregons':16000, 'Utahs':5000}
In [95]: obj3 = Series([sdata,sdata2])
In [96]: obj3
Out[96]:
0 {'Ohio': 35000, 'Texas': 71000, 'Oregon': 1600...
1 {'Ohios': 35000, 'Texass': 71000, 'Oregons': 1...
dtype: object
它會得到一個以傳入的字典為值，0到N-1為索引的Series對象。
DataFrame
DataFrame是一個表格型數據，它含有一組有序的列，每列可以是不同的值類型（數值、字符串、布爾值等）。DataFrame既有行索引也有列索引，可以把它想象成Excel表。DataFrame中數據是以一個或者多個二維塊存放的（而不是列表、字典或別的一堆數據結構）。
如何構建DataFrame
直接傳入一個等長列表或者NumPy數組組成的字典：
In [103]: data = {'state':['Ohio','Ohio','Ohio','Neveda','Neveda'],'year':[2000, 2001, 2002, 2001, 2002],
...: 'pop':[1.5, 1.7, 3.6, 2.4, 2.9]}
In [104]: frame = DataFrame(data)
In [105]: frame
Out[105]:
state year pop
0 Ohio 2000 1.5
1 Ohio 2001 1.7
2 Ohio 2002 3.6
3 Neveda 2001 2.4
4 Neveda 2002 2.9
同樣DataFrame會自動加上索引，并且全部列會被有序排列。因為數據會打亂行索引，所以數據不會被自動排序。
如果不想排序列，那我們可以預先指定列的序列:
In [106]: DataFrame(data, columns=['year','state','pop'])
Out[106]:
year state pop
0 2000 Ohio 1.5
1 2001 Ohio 1.7
2 2002 Ohio 3.6
3 2001 Neveda 2.4
4 2002 Neveda 2.9
這樣就可以按照我們指定的序列來排序所有的列。
如何獲取DataFrame中的列
可以通過屬性（只讀）的方式或者類似字典標記（讀寫）的方式獲得：
In [107]: frame = DataFrame(data, columns=['year','state','pop'])
In [108]: frame
Out[108]:
year state pop
0 2000 Ohio 1.5
1 2001 Ohio 1.7
2 2002 Ohio 3.6
3 2001 Neveda 2.4
4 2002 Neveda 2.9
In [109]: frame.year
Out[109]:
0 2000
1 2001
2 2002
3 2001
4 2002
Name: year, dtype: int64
In [110]: frame['year']
Out[110]:
0 2000
1 2001
2 2002
3 2001
4 2002
Name: year, dtype: int64
如何獲取DataFrame中的某行數據
frame.loc[0]
Out[111]:
year 2000
state Ohio
pop 1.5
Name: 0, dtype: object
In [114]: frame = DataFrame(data, columns=['year','state','pop'],index=['one','two','three','four','five'
...: ])
In [115]: frame.loc['two']
Out[115]:
year 2001
state Ohio
pop 1.7
Name: two, dtype: object
可以通過DataFrame的loc函數來取出行數據。
對列進行修改
上面有說到過DataFrame獲取列的讀寫權限，屬性的方法只能讀，通過字典標記形式可以進行寫入操作。
In [122]: frame['num'] = 16
In [123]: frame
Out[123]:
year state pop num
one 2000 Ohio 1.5 16
two 2001 Ohio 1.7 16
three 2002 Ohio 3.6 16
four 2001 Neveda 2.4 16
five 2002 Neveda 2.9 16
In [120]: frame.num = 16
In [121]: frame
Out[121]:
year state pop
one 2000 Ohio 1.5
two 2001 Ohio 1.7
three 2002 Ohio 3.6
four 2001 Neveda 2.4
five 2002 Neveda 2.9
也可以將列表或者數組賦值給它，但是要注意它的長度是否相匹配。
In [144]: frame['num'] = [5, 4, 3, 2, 1]
In [145]: frame
Out[145]:
year state pop num
one 2000 Ohio 1.5 5
two 2001 Ohio 1.7 4
three 2002 Ohio 3.6 3
four 2001 Neveda 2.4 2
five 2002 Neveda 2.9 1
如果將一個Series賦值給它，就會精確的匹配到DataFrame的索引。
In [146]: val = Series([-1.2, -1.5, -1.7],index=['two','four','five'])
In [147]: frame['val'] = val
In [148]: frame
Out[148]:
year state pop num val
one 2000 Ohio 1.5 5 NaN
two 2001 Ohio 1.7 4 -1.2
three 2002 Ohio 3.6 3 NaN
four 2001 Neveda 2.4 2 -1.5
five 2002 Neveda 2.9 1 -1.7
如果有空位，將會自動填上NaN值。在賦值過程中，如果將要賦值的列不存在，那它會自動創(chuàng)建一個新列。
DataFrame的構造函數能接受的所有數據類型
- 二維ndarray 數據矩陣，還可以傳入行標和列標
- 由數組、列表或元組組成的字典 每個序列會變成DataFrame的一列。所有序列的長度必須相同。
- NumPy的結構化數組/記錄數組 類似于“由數組組成的字典”
- 由Series組成的字典 每個Series都會成為一列。如果沒有指定行索引，則各Series的索引會被合并成結果的行索引。 每個Series的列索引就是在該字典中的鍵。
- 由字典組成的字典 各內層字典會成為一列。鍵會被合并成結果的行索引，跟“由Series組成的字典”一樣。
- 字典或Series的列表 各項將會成為DataFrame的一行。字典鍵或Series索引的并集將會成為DataFrame的列標。
- 由列標或元組組成的列表 類似于"二維ndarray"
- 另一個DataFrame 該DataFrame的索引會被沿用，除非指定了其他索引。
- NumPy的MaskedArray 類似于"二維ndarray"的情況，只是掩碼值在DataFrame會變成NA/缺失值。
總結
今天學習了Series和DataFrame的數據結構部分。了解了它們的構建方式
Series的構建方式: data = Series([1, 2, 3]) 或者通過傳入一個字典來創(chuàng)建Series
Series的常用功能：
Series自定義索引名稱 通過在構造函數中設置索引名稱來達到自定義索引的目的
Series索引的一些玩法 我們可以通過字典的形式data['one']來獲得數據，也可以將其中的參數組成一個數組來獲取多個數據data[['one','two','three']]。
Series的運算 Series可以像NumPy一樣支持數學運算，并且它的運算方式也和NumPy一樣數據批量運算。
DataFrame的構建方式：直接傳入一個等長列表或者NumPy數組組成的字典。
如何獲取DataFrame中的數據 由于DataFrame是個表格型數據，數據也有兩種類型：行數據 和 列數據，以點屬性的方式frame.year或者字典形式frame['year']都可以獲得列數據。值得注意的是，點屬性是獲取的是帶有只讀屬性的數據，而字典形式的則是帶有讀寫形式的數據。如果想要修改數據還是得用字典形式來獲取數據比較好。
如果是想獲取行數據，可以通過loc函數來獲取。例如通過行索引名稱frame.loc['id'] 或者行索引序列號frame.loc[0] 來獲取。
DataFrame的賦值 可以通過字典形式賦值，但要注意與數據長度必須相匹配。也可以直接賦值一個Series對象過去，這樣可以在賦值的同時把索引名稱也一并帶過去。
學了NumPy的基礎之后發(fā)現學習pandas基礎會相當輕松，除了多了一個表格型數據外，它的一些核心用法是差不多的，不管是賦值也好還是索引也罷，只要稍加注意一些如讀寫，區(qū)分行列數據的用法就基本掌握了這些知識點了。
