Pandas是最流行的用于数据分析的 Python 库。它提供高度优化的性能，后端源代码完全用C或Python编写。
我们可以通过以下方式分析 pandas 中的数据： 1.Series 2.数据帧
Series：
Series 是 pandas 中定义的一维（1-D）数组，可用于存储任何数据类型。
代码 #1：创建 Series
# 创建 Series 的程序 # 导入 Panda 库 import pandas as pd # 使用数据和索引创建 Series a = pd.Series(Data, index = Index)
在这里，数据可以是：
- 一个标量值，可以是 integerValue、字符串
- 可以是键值对的Python 字典
- 一个Ndarray
注意：默认情况下，索引从 0、1、2、...(n-1) 开始，其中 n 是数据长度。
代码 #2：当 Data 包含标量值时
# 使用标量值创建 Series 的程序 # 数值数据 Data =[1, 3, 4, 5, 6, 2, 9] # 使用默认索引值创建系列 s = pd.Series(Data) # 预定义的索引值 Index =['a', 'b', 'c', 'd', 'e', 'f', 'g'] # 创建具有预定义索引值的系列 si = pd.Series(Data, Index)
输出：
具有默认索引的标量数据
带索引的标量数据
代码#3：当数据包含字典时
# 创建词典 Series 程序 dictionary ={'a':1, 'b':2, 'c':3, 'd':4, 'e':5} # 创建字典类型 Series sd = pd.Series(dictionary)
输出：
字典类型数据
代码 #4：当 Data 包含 Ndarray
# 创建 ndarray series 的程序 # 定义二维数组 Data =[[2, 3, 4], [5, 6, 7]] # 创建一系列二维数组 snd = pd.Series(Data)
输出：
数据作为 Ndarray
数据框：
DataFrames是 pandas 中定义的二维（2-D）数据结构，由行和列组成。
代码 #1：创建 DataFrame
# 创建 DataFrame 的程序 # 导入库 import pandas as pd # 使用数据创建 DataFrame a = pd.DataFrame(Data)
在这里，数据可以是：
- 一本或多本词典
- 一个或多个Series
- 2D-numpy Ndarray
代码 #2：当数据是字典时
# 使用两个字典创建数据框的程序 # 定义字典 1 dict1 ={'a':1, 'b':2, 'c':3, 'd':4} # 定义字典 2 dict2 ={'a':5, 'b':6, 'c':7, 'd':8, 'e':9} # 用 dict1 和 dict2 定义数据 Data = {'first':dict1, 'second':dict2} # 创建数据框 df = pd.DataFrame(Data)
输出
带有两个字典的 DataFrame
代码 #3：当数据是Series时
# 创建三个系列的Dataframe的程序 import pandas as pd # 定义 series 1 s1 = pd.Series([1, 3, 4, 5, 6, 2, 9]) # 定义 series 2 s2 = pd.Series([1.1, 3.5, 4.7, 5.8, 2.9, 9.3]) # 定义 series 3 s3 = pd.Series(['a', 'b', 'c', 'd', 'e']) # 定义 Data Data ={'first':s1, 'second':s2, 'third':s3} # 创建 DataFrame dfseries = pd.DataFrame(Data)
输出：
三个 Series 的 DataFrame
代码 #4：当 Data 为 2D-numpy ndarray
注意：在创建 2D 数组的 DataFrame 时必须保持一个约束 - 2D 数组的维度必须相同。
# 从二维数组创建 DataFrame 的程序 # 导入库 import pandas as pd # 定义 2d 数组 1 d1 =[[2, 3, 4], [5, 6, 7]] # 定义 2d 数组 2 d2 =[[2, 4, 8], [1, 3, 9]] # 定义 Data Data ={'first': d1, 'second': d2} # 创建 DataFrame df2d = pd.DataFrame(Data)
输出：
带有 2d ndarray 的 DataFrame
