Pandas Series 和 DataFrame 常用属性详解及实例
Pandas 是 Python 中用于数据分析和处理的强大库，其核心数据结构包括 Series 和 DataFrame。本文将详细介绍这两种数据结构的常用属性，并通过示例进行说明，帮助您更好地理解和使用 Pandas。
1. 什么是 Series 和 DataFrame？
- Series：一维数组，能够存储任何类型的数据（整数、字符串、浮点数等）。每个元素都有一个标签（索引）。
- DataFrame：二维表格型数据结构，每列可以是不同的值类型（数值、字符串等），每一列都是一个 Series。
2. Series 的常用属性
2.1 index
index 属性返回 Series 的索引。
import pandas as pd
# 创建一个 Series
data = [1, 2, 3, 4, 5]
series = pd.Series(data, index=['a', 'b', 'c', 'd', 'e'])
print(series.index)
AI 代码解读
输出：
Index(['a', 'b', 'c', 'd', 'e'], dtype='object')AI 代码解读
2.2 values
values 属性返回 Series 的值作为 NumPy 数组。
print(series.values)
AI 代码解读
输出：
[1 2 3 4 5]AI 代码解读
2.3 dtype
dtype 属性返回 Series 中元素的数据类型。
print(series.dtype)
AI 代码解读
输出：
int64AI 代码解读
2.4 name
name 属性返回或设置 Series 的名称。
series.name = 'My Series'
print(series.name)
AI 代码解读
输出：
My SeriesAI 代码解读
2.5 shape
shape 属性返回 Series 的形状，对于一维数组，它是一个元组 (n,)，其中 n 是元素的数量。
print(series.shape)
AI 代码解读
输出：
(5,)AI 代码解读
3. DataFrame 的常用属性
3.1 index
index 属性返回 DataFrame 的行索引。
data = {
'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data, index=['a', 'b', 'c'])
print(df.index)
AI 代码解读
输出：
Index(['a', 'b', 'c'], dtype='object')AI 代码解读
3.2 columns
columns 属性返回 DataFrame 的列名。
print(df.columns)
AI 代码解读
输出：
Index(['Name', 'Age', 'City'], dtype='object')AI 代码解读
3.3 dtypes
dtypes 属性返回 DataFrame 每列的数据类型。
print(df.dtypes)
AI 代码解读
输出：
Name object Age int64 City object dtype: objectAI 代码解读
3.4 shape
shape 属性返回 DataFrame 的形状，形式为 (行数, 列数)。
print(df.shape)
AI 代码解读
输出：
(3, 3)
AI 代码解读
3.5 size
size 属性返回 DataFrame 中元素的总数。
print(df.size)
AI 代码解读
输出：
9AI 代码解读
3.6 values
values 属性返回 DataFrame 的值作为 NumPy 数组。
print(df.values)
AI 代码解读
输出：
[['Alice' '25' 'New York'] ['Bob' '30' 'Los Angeles'] ['Charlie' '35' 'Chicago']]AI 代码解读
3.7 T
T 属性返回 DataFrame 的转置。
print(df.T)
AI 代码解读
输出：
a b c Name Alice Bob Charlie Age 25 30 35 City New York Los Angeles ChicagoAI 代码解读
3.8 ndim
ndim 属性返回 DataFrame 的维度数。
print(df.ndim)
AI 代码解读
输出：
2AI 代码解读
3.9 axes
axes 属性返回一个包含 DataFrame 行和列轴的列表。
print(df.axes)
AI 代码解读
输出：
[Index(['a', 'b', 'c'], dtype='object'), Index(['Name', 'Age', 'City'], dtype='object')]AI 代码解读
4. 总结
通过以上示例，我们可以看到 Pandas 提供了多种有用的属性来获取 Series 和 DataFrame 的相关信息。这些属性可以帮助我们更方便地操作和理解数据。希望本文对您理解和使用 Pandas 的核心数据结构有所帮助！
如果您有任何问题或需要进一步的帮助，请随时留言讨论。祝您在数据分析的道路上越走越远！
欢迎点赞、关注、收藏、转发！！！
