1.Series
Pandas的Series对象是一个带索引数据构成的一维数组
1）用一个数组创建Series对象
In [1]: import numpy as np In [2]: import pandas as pd In [3]: data = pd.Series([0.25,0.5,0.75,1.0]) In [4]: data Out[4]: 0 0.25 1 0.50 2 0.75 3 1.00 dtype: float64
2）通过values和index属性获取数据
# values属性返回的结果与Numpy数组类似 In [5]: data.values Out[5]: array([0.25, 0.5 , 0.75, 1. ]) # index属性返回的结果是一个类型为pd.index的类数组对象 In [6]: data.index Out[6]: RangeIndex(start=0, stop=4, step=1)
3）和Numpy数组一样，数据可以通过Python中的括号索引标签获取
In [7]: data[1] Out[7]: 0.5 In [8]: data[1:3] Out[8]: 1 0.50 2 0.75 dtype: float64
4）对于Series对象的index,默认值为整数序列
In [9]: pd.Series([2,4,6]) Out[9]: 0 2 1 4 2 6 dtype: int64
5）data还可以是一个标量，创建Series对象时会重复填充到每个索引上
In [10]: pd.Series(5, index=[100, 200, 300]) Out[10]: 100 5 200 5 300 5 dtype: int64
2.DataFrame
理解：如果将Series类比为带灵活索引的一维数组，那么DataFrame就可以看作是一种既有灵活的行索引，又有灵活列名的二维数组，也可以把DataFrame看成是有序列排列的若干Series对象，这里的'排列'指的是它们拥有共同的索引
创建DataFrame:
*通过单个Series对象创建
*通过字典列表创建
In [13]: data = [{'a':i,'b':2 * i} for i in range(3)]
In [14]: pd.DataFrame(data)
Out[14]:
a b
0 0 0
1 1 2
2 2 4
*通过Numpy二维数组创建
In [17]: pd.DataFrame(np.random.rand(3,2),columns=['foo','bar'],index=['a','b','c']) Out[17]: foo bar a 0.849243 0.390653 b 0.411107 0.005731 c 0.517257 0.545708
3.Index
理解：可以将它看作一个不可变数组或有序集合（实际上是一个多集，因为Index对象可能会包含重复值）
Index对象遵循Python标准库的集合（set）数据结构的许多习惯用法，包括并集，交集，差集