目录

1、内置数据结构：Series与DataFrame

2、推荐学习资源:

pandas数据读写操作（专栏：python数据分析和可视化）

教程

3、Series对象

A、用Series（）创建对象

1、用nadrray创建 

 2、用字典创建

3、标量创建

B、访问

位置索引访问

索引标签访问

切片访问

如果使用了 index 中不包含的标签，则会触发异常：KeyError

C、常用属性

D、常用方法：

1.head()&tail()查看数据

2、isnull()& nonull()检测缺失值

isnull()：如果为值不存在或者缺失，则返回 True.

notnull()：如果值不存在或者缺失，则返回 False。

4、DataFrame对象

A、创建

1)创建DataFrame空对象

2）列表创建DataFame对象

3)字典嵌套列表创建

4) 列表嵌套字典创建DataFrame对象

B、常用属性和方法汇总

1、内置数据结构：Series与DataFrame

• 数据导入导出
• 数据抽取以及增删查改操作
• 数据清洗
• 数据排名、计算、格式化
• 数据统计与合并

2、推荐学习资源:

pandas数据读写操作:（专栏：python数据分析和可视化）

Pandas数据读写操作_抱抱宝的博客-CSDN博客_pandas写数据

教程：

Pandas教程（非常详细）_小熊coder的博客-CSDN博客_pandas 教程

Pandas 中文网：快速入门 | Pandas 中文 (pypandas.cn)

C语言中文网：Pandas是什么 (biancheng.net)

Pandas 教程 | 菜鸟教程 (runoob.com)

3、Series对象

一种类似于一维数组的对象

由一组 数据以及一组与之相关的数据 标签（即索引）组成

可以存储任何类型的数据

A、用Series（）创建对象

import pandas as pd
# 它是一种类似于一维数组的结构，由一组数据值（value）和一组标签组成，其中标签与数据值之间是一一对应的关系。
# s = pd.Series(data, index, dtype, copy=False)
'''
data	输入的数据，可以是列表、常量、ndarray 数组等。
index	索引值必须是惟一的，如果没有传递索引，则默认为 np.arrange(n)。
dtype	dtype表示数据类型，如果没有提供，则会自动判断得出。
copy	表示对 data 进行拷贝，默认为 False。
'''
#  创建一个空Series对象
# 输入数据为空
s = pd.Series() # Series([], dtype: float64)
print(s)

1、用nadrray创建 

隐式索引

# ndarray创建Series对象
import pandas as pd
import numpy as np

data =  np.array(['a', 'b', 'c','d'])
# 没传入索引，默认从零开始 -->隐式索引
s = pd.Series(data)
print(s)

显示索引

# 显示索引
import pandas as pd
import numpy as np

data = np.array(['a', 'b', 'c','d'])
s = pd.Series(data, index=[520,521,522,523])
print(s)

 2、用字典创建

# dict创建Series对象
import pandas as pd

data = {'a' :0,'b' :1,'c' :2,'d' :3}
# data2 = {'a' :0.,'b' :1,'c' :2,'d' :3.}
s = pd.Series(data)
print(s)
'''
a    0
b    1
c    2
d    3
dtype: int64
'''

当传递的索引值无法找到与其对应的值时，使用 NaN（非数字）填充。

3、标量创建

#  标量创建Series对象
import pandas as pd
# 必须提供索引
# 标量值按照 index 的数量进行重复
s = pd.Series(5, index=[0,1,2,3])
print(s)

输出：

0    5
1    5
2    5
3    5
dtype: int64

B、访问

1. 位置索引访问

2. 索引标签访问

3. 切片访问

4. 如果使用了 index 中不包含的标签，则会触发异常：KeyError

'''
位置索引访问
'''
import pandas as pd

s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
print(s[0])  #位置下标
print(s['a']) #标签下标
print('\n')
# 通过切片访问
print(s[:3])
# 获取最后三个元素
print(s[-3:])

'''
索引标签访问
Series 类似于固定大小的 dict，把 index 中的索引标签当做 key，
而把 Series 序列中的元素值当做 value，然后通过 index 索引标签来访问或者修改元素值。
'''
import pandas as pd
s = pd.Series([100,7,8,9,10],index = ['a','b','c','d','e'])
print(s['a'])
print('\n')
print(s)
print('\n')
print(s[['a','c','d']])

'''
如果使用了 index 中不包含的标签，则会触发异常：
'''
import pandas as pd
s = pd.Series([6,7,8,9,10],index = ['a','b','c','d','e'])
#不包含f值
print(s['f']) # KeyError: 'f'

C、常用属性

axes 以列表的形式返回所有’行’索引标签。
dtype 返回对象的数据类型。
empty 返回一个空的 Series 对象。
ndim 返回输入数据的维数。
size 返回输入数据的元素数量。
values 以 ndarray 的形式返回 Series 对象。
index 返回一个RangeIndex对象，用来描述索引的取值范围。

D、常用方法：

1.head()&tail()查看数据

head() 返回前 n 行数据，默认显示前 5 行数据。

tail() 返回的是后 n 行数据，默认为后 5 行。

import pandas as pd
import numpy as np
s = pd.Series(np.random.randn(5))
print (s)
#返回前三行数据
print (s.head(3))
print(s.tail(3))

2、isnull()& nonull()检测缺失值

isnull()：如果为值不存在或者缺失，则返回 True.

notnull()：如果值不存在或者缺失，则返回 False。

4、DataFrame对象

A、创建

DataFrame 一个表格型的数据结构，
既有行标签（index），又有列标签（columns），
它也被称异构数据表，所谓异构，指的是表格中每列的数据类型可以不同，比如可以是字符串、整型或者浮点型等。

1)创建DataFrame空对象

import pandas as pd
# pd.DataFrame( data, index, columns, dtype, copy)

df = pd.DataFrame()
print(df)  # 行标签（index），又有列标签（columns），

Empty DataFrame
Columns: []
Index: []

2）列表创建DataFame对象

可以使用嵌套列表创建

3)字典嵌套列表创建

import pandas as pd
data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
# df = pd.DataFrame(data)
df = pd.DataFrame(data, index=['001','002','003','004'])
print(df)

        Name  Age
001    Tom   28
002   Jack   34
003  Steve   29
004  Ricky   42

4) 列表嵌套字典创建DataFrame对象

import pandas as pd
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data)
print(df)

    a   b     c
0  1   2   NaN
1  5  10  20.0

B、常用属性和方法汇总