Series的介绍
series的创建
- 1.通过列表创建
import numpy as numpy
import pandas as pd
s1 = pd.Series([1,2,3,4])
s1
0 1
1 2
2 3
3 4
4 5
dtype: int64
- 2.通过数组创建
s2 = pd.Series(np.arange(1,6))
s2
0 1
1 2
2 3
3 4
4 5
dtype: int32
** 注意：上述两种方式的创建方法列表是int64 数组是int32
DataFrame
DataFrame创建
- 1.列表、元组、数组构成的字典创建dataframe
# 字典的键变成列 值变成行填充进去
data = {
'A':[1,2,3,4],
'B':(5,6,7,8),
'C':np.arange(9,13)
}
frame = pd.DataFrame(data)
frame
A B C
0 1 5 9
1 2 6 10
2 3 7 11
3 4 8 12
- 2.Series构成的字典构造dataframe
pd1 = pd.DataFrame({'a':pd.Series(np.arange(3)),
'b':pd.Series(np.arange(3,5))})
pd1
a b
0 0 3.0
1 1 4.0
2 2 NaN
# 共用一个索引 如果一个列中没有这行的索引则用nan填充
- 3.构造二维数据对象
arr1 = np.arange(12).reshape(4,3)
arr1
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11]])
frame1 = pd.DataFrame(arr1)
frame1
0 1 2
0 0 1 2
1 3 4 5
2 6 7 8
3 9 10 11
# 通过二维数组更能清楚的明白numpy和pandas之前的关系
- 4.字典构成的列表构造dataframe
l1 = [{'apple':3.6,'banana':5.6},{'apple':3,'banana':5},{'apple':3.2}]
pd3 = pd.DataFrame(l1)
pd3
apple banana
0 3.6 5.6
1 3.0 5.0
2 3.2 NaN
#把列表中的索引下标当作行索引 字典里的键同样是作业列索引 然后依次从0开始对于行索引
- 5.Series构成的列表构造dataframe
l2 = [pd.Series(np.random.rand(3)),pd.Series(np.random.rand(2))]
pd4 = pd.DataFrame(l2)
pd4
0 1 2
0 0.998996 0.960031 0.988391
1 0.649718 0.316651 NaN
# 列下标作为行索引 series的索引作为列索引 然后依次填入值
原文链接:https://blog.csdn.net/weixin_44984627/article/details/104746098
