详解pandas中Series()和DataFrame()的区别与联系

概述

pandas中最基本的数据结构是Series和DataFrame。Series是一维数组结构，其中每个元素可以是不同的数据类型，而DataFrame是二维表格结构，也可以存储不同数据类型。在这篇文章中，我们将深入研究这两种结构，分析它们的区别和联系。

Series

Series是一维数组结构，可以通过以下方式创建一个Series对象：

import pandas as pd

s = pd.Series([1, 2, 3, 4])

该Series对象包含了一组整数，每个整数用一个索引值来标识。默认情况下，索引值是从0开始的整数。

创建另一个带有自定义索引的Series对象：

s = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])

这样我们就可以通过索引值来访问每个元素：

print(s['a']) # 输出1

DataFrame

DataFrame是二维表格结构，可以通过以下方式创建一个DataFrame对象：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, 32, 18, 47],
        'gender': ['F', 'M', 'M', 'M']}

df = pd.DataFrame(data)

这样我们就创建了一个包含三列的DataFrame对象，每列分别代表一个人的姓名(name)、年龄(age)和性别(gender)。

如果我们希望自定义索引值，可以像这样：

df = pd.DataFrame(data, index=['a', 'b', 'c', 'd'])

这样我们就创建了一个包含四行的DataFrame对象。我们可以通过以下方式访问DataFrame中的某一列：

print(df['name'])

这将输出所有行的姓名列。

如果我们还希望同时访问多列，可以像这样：

print(df[['name', 'age']])

这将输出所有行的name和age列。

Series和DataFrame之间的区别和联系

• Series是一个一维的数组，而DataFrame是一个二维的表格结构。
• Series只有一个列，并且可以拥有自定义索引，而DataFrame可以有多列，并且每列都有自己的名称。
• Series可以看做是DataFrame的一列。

让我们来看一个例子，更好地了解Series和DataFrame之间的关系。假设我们有以下DataFrame对象：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, 32, 18, 47],
        'gender': ['F', 'M', 'M', 'M']}

df = pd.DataFrame(data, index=['a', 'b', 'c', 'd'])

我们可以通过以下方式来访问DataFrame中的某一列：

s = df['name']

这里创建了一个Series对象，包含所有人的姓名。我们可以通过以下方式来访问DataFrame中的某一行：

s = df.loc['a']

这里创建了一个Series对象，包含Alice这一行的所有数据。可以看到，Series和DataFrame之间存在紧密的联系。

示例

示例1

假设我们有以下DataFrame对象：

 import pandas as pd

 data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
         'age': [25, 32, 18, 47],
         'gender': ['F', 'M', 'M', 'M']}

 df = pd.DataFrame(data, index=['a', 'b', 'c', 'd'])

我们可以使用以下代码来访问DataFrame中的某一列，并将它转换为Series对象：

s = df['name']

这样我们就创建了一个Series对象，包含每个人的姓名。

示例2

假设我们有一个球员的统计数据，包括球员的名称(name)、年龄(age)、得分数(score)和助攻数(assist)。我们可以使用以下代码来创建一个DataFrame对象：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, 32, 18, 47],
        'score': [28, 31, 19, 43],
        'assist': [12, 8, 3, 10]}

df = pd.DataFrame(data)

这样我们就创建了一个包含四列的DataFrame对象，每一列代表球员的不同属性。

现在我们想找到得分最高的球员，可以使用以下代码：

max_score = df['score'].max()
max_player = df.loc[df['score'] == max_score, 'name'].item()

这将输出得分最高的球员的姓名。

结论

在对pandas进行数据处理和分析时，Series和DataFrame是最常用的两种数据结构。对于不同的场景，我们可以选择适合的数据结构，以便更有效地完成我们的任务。