Python Pandas学习之Pandas数据结构详解

简介

Pandas是基于NumPy的一个开源数据分析与处理库，提供了各种数据结构和处理工具，使我们能够使用Python快速处理各种数据。Pandas主要包含三种数据结构：Series、DataFrame和Panel。

Series

Series是一种一维数组结构，可以保存任何数据类型。我们可以通过传递一系列值来创建Series对象，默认情况下，它会自动创建默认的整数索引。

示例1：

import pandas as pd

s1 = pd.Series([1, 3, 5, 7, 9])
print(s1)

输出结果：

0    1
1    3
2    5
3    7
4    9
dtype: int64

示例2：

s2 = pd.Series(['a', 'b', 'c', 'd', 'e'])
print(s2)

输出结果：

0    a
1    b
2    c
3    d
4    e
dtype: object

DataFrame

DataFrame是一种二维表格数据结构，类似于Excel中的表格或SQL中的表。每个列可以是不同的数据类型，例如数字、字符串或布尔值等。DataFrame既有行索引也有列索引。

示例1：

import pandas as pd

df1 = pd.DataFrame({'score': [98, 91, 87, 67, 85],
                    'name': ['Tom', 'Jack', 'Lily', 'Lucy', 'Mike']})
print(df1)

输出结果：

   score  name
0     98   Tom
1     91  Jack
2     87  Lily
3     67  Lucy
4     85  Mike

示例2：

df2 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
print(df2)

输出结果：

   A  B
0  1  4
1  2  5
2  3  6

Panel

Panel是一个三维的数据结构，类似于DataFrame中的多个表格或Excel四个维度中的三维。

由于使用Panel时数据通常是超大型的，因此该数据结构仅在极少数情况下使用。

结语

Pandas三种数据结构的介绍到此结束。除此之外，Pandas还提供了许多处理数据的方法和函数，例如数据过滤、处理、排序、聚合和分组等等，应用非常广泛。需要使用Pandas的开发者可以查阅Pandas官方文档进行更详细的学习。

感谢阅读！