更多：Pandas…
Pandas 有很多高级的功能，但是想要掌握高级功能前，需要先掌握它的基础知识，Pandas 中的数据结构算是非常基础的知识之一了。
Pandas 常用的数据结构有两种：Series 和 DataFrame。这些数据结构构建在 Numpy 数组之上，这意味着它们效率很高。我们来分别看看这些数据结构都长什么样子吧。
# 导入相关库 import numpy as np import pandas as pd
Series
简介
Series 是一个带有 名称 和索引的一维数组，既然是数组，肯定要说到的就是数组中的元素类型，在 Series 中包含的数据类型可以是整数、浮点、字符串、Python对象等。
假定有一个场景是：存储一些用户的信息，暂时只包括年龄信息。
我们可以通过 Series 来存储，这里我们通过 Series 存储了四个年龄：18/30/25/40，只需将要存储的数据构建成一个数组，然后赋值给data参数即可。
# 存储了 4 个年龄：18/30/25/40 user_age = pd.Series(data=[18, 30, 25, 40]) user_age
0 18 1 30 2 25 3 40 dtype: int64
可能你还会想，如果别人在看我写的代码，怎么能快速的知道我这写的到底是什么玩意呢？
别急，就像我们给index起名字一样，我们也可以给 Series 起个名字。
user_age.name="user_age_info" user_age
name Tom 18 Bob 30 Mary 25 James 40 Name: user_age_info, dtype: int64
通过上面一系列的操作，我们对 Series 的结构上有了基本的了解，简单来说，一个 Series 包括了 data、index 以及 name。
上面的操作非常方便做演示来使用，如果想要快速实现上面的功能，可以通过以下方式来实现。
# 构建索引 name = pd.Index(["Tom", "Bob", "Mary", "James"], name="name") # 构建 Series user_age = pd.Series(data=[18, 30, 25, 40], index=name, name="user_age_info") user_age
name Tom 18 Bob 30 Mary 25 James 40 Name: user_age_info, dtype: int64
另外，需要说明的是我们在构造 Series 的时候，并没有设定每个元素的数据类型，这个时候，Pandas 会自动判断一个数据类型，并作为 Series 的类型。
当然了，我们也可以自己手动指定数据类型。
# 指定类型为浮点型 user_age = pd.Series(data=[18, 30, 25, 40], index=name, name="user_age_info", dtype=float) user_age
name Tom 18.0 Bob 30.0 Mary 25.0 James 40.0 Name: user_age_info, dtype: float64
Series 像什么
Series 包含了 dict 的特点，也就意味着可以使用与 dict 类似的一些操作。我们可以将 index 中的元素看成是 dict 中的 key。
# 获取 Tom 的年龄 user_age["Tom"]
18.0
此外，可以通过 get 方法来获取。通过这种方式的好处是当索引不存在时，不会抛出异常。
user_age.get("Tom")
18.0
Series 除了像 dict 外，也非常像 ndarray，这也就意味着可以采用切片操作。
# 获取第一个元素 user_age[0]
18.0
# 获取前三个元素 user_age[:3]
name Tom 18.0 Bob 30.0 Mary 25.0 Name: user_age_info, dtype: float64
# 获取年龄大于30的元素 user_age[user_age > 30]
name James 40.0 Name: user_age_info, dtype: float64
# 获取第4个和第二个元素 user_age[[3, 1]]
name James 40.0 Bob 30.0 Name: user_age_info, dtype: float64
可以看到，无论我们通过切片如何操作 Series ，它都能够自动对齐 index。
Series 的向量化操作
Series 与 ndarray 一样，也是支持向量化操作的。同时也可以传递给大多数期望 ndarray 的 NumPy 方法。
user_age + 1
name Tom 19.0 Bob 31.0 Mary 26.0 James 41.0 Name: user_age_info, dtype: float64
np.exp(user_age)
name Tom 6.565997e+07 Bob 1.068647e+13 Mary 7.200490e+10 James 2.353853e+17 Name: user_age_info, dtype: float64
DataFrame
DataFrame 是一个带有索引的二维数据结构，每列可以有自己的名字，并且可以有不同的数据类型。你可以把它想象成一个 excel 表格或者数据库中的一张表，DataFrame 是最常用的 Pandas 对象。
我们继续使用之前的实例来讲解 DataFrame，在存储用户信息时，除了年龄之外，我还想存储用户所在的城市。如何通过 DataFrame 实现呢？
可以构建一个 dict，key 是需要存储的信息，value 是信息列表。然后将 dict 传递给 data 参数。
index = pd.Index(data=["Tom", "Bob", "Mary", "James"], name="name")
data = {
"age": [18, 30, 25, 40],
"city": ["BeiJing", "ShangHai", "GuangZhou", "ShenZhen"]
}
user_info = pd.DataFrame(data=data, index=index)
user_info
| age | city | |
|---|---|---|
| name | ||
| Tom | 18 | BeiJing |
| Bob | 30 | ShangHai |
| Mary | 25 | GuangZhou |
| James | 40 | ShenZhen |
可以看到，我们成功构建了一个 DataFrame，这个 DataFrame 的索引是用户性别，还有两列分别是用户的年龄和城市信息。
除了上面这种传入 dict 的方式构建外，我们还可以通过另外一种方式来构建。这种方式是先构建一个二维数组，然后再生成一个列名称列表。
data = [[18, "BeiJing"],
[30, "ShangHai"],
[25, "GuangZhou"],
[40, "ShenZhen"]]
columns = ["age", "city"]
user_info = pd.DataFrame(data=data, index=index, columns=columns)
user_info
| age | city | |
|---|---|---|
| name | ||
| Tom | 18 | BeiJing |
| Bob | 30 | ShangHai |
| Mary | 25 | GuangZhou |
| James | 40 | ShenZhen |
访问行
在生成了 DataFrame 之后，可以看到，每一行就表示某一个用户的信息，假如我想要访问 Tom 的信息，我该如何操作呢？
一种办法是通过索引名来访问某行，这种办法需要借助 loc 方法。
user_info.loc["Tom"]
age 18 city BeiJing Name: Tom, dtype: object
除了直接通过索引名来访问某一行数据之外，还可以通过这行所在的位置来选择这一行。
user_info.iloc[0]
age 18 city BeiJing Name: Tom, dtype: object
现在能够访问某一个用户的信息了，那么我如何访问多个用户的信息呢？也就是如何访问多行呢？
借助行切片可以轻松完成，来看这里。
user_info.iloc[1:3]
| age | city | |
|---|---|---|
| name | ||
| Bob | 30 | ShangHai |
| Mary | 25 | GuangZhou |
访问列
学会了如何访问行数据之外，自然而然会想到如何访问列。我们可以通过属性（“.列名”）的方式来访问该列的数据，也可以通过[column]的形式来访问该列的数据。
假如我想获取所有用户的年龄，那么可以这样操作。
user_info.age
name Tom 18 Bob 30 Mary 25 James 40 Name: age, dtype: int64
user_info["age"]
name Tom 18 Bob 30 Mary 25 James 40 Name: age, dtype: int64
如果想要同时获取年龄和城市该如何操作呢？
# 可以变换列的顺序 user_info[["city", "age"]]
| city | age | |
|---|---|---|
| name | ||
| Tom | BeiJing | 18 |
| Bob | ShangHai | 30 |
| Mary | GuangZhou | 25 |
| James | ShenZhen | 40 |
新增/删除列
在生成了 DataFrame 之后，突然你发现好像缺失了用户的性别这个信息，那么如何添加呢？
如果所有的性别都一样，我们可以通过传入一个标量，Pandas 会自动帮我们广播来填充所有的位置。
user_info["sex"] = "male" user_info
| age | city | sex | |
|---|---|---|---|
| name | |||
| Tom | 18 | BeiJing | male |
| Bob | 30 | ShangHai | male |
| Mary | 25 | GuangZhou | male |
| James | 40 | ShenZhen | male |
如果想要删除某一列，可以使用 pop 方法来完成。
user_info.pop("sex")
user_info
| age | city | |
|---|---|---|
| name | ||
| Tom | 18 | BeiJing |
| Bob | 30 | ShangHai |
| Mary | 25 | GuangZhou |
| James | 40 | ShenZhen |
如果用户的性别不一致的时候，我们可以通过传入一个 like-list 来添加新的一列。
user_info["sex"] = ["male", "male", "female", "male"] user_info
| age | city | sex | |
|---|---|---|---|
| name | |||
| Tom | 18 | BeiJing | male |
| Bob | 30 | ShangHai | male |
| Mary | 25 | GuangZhou | female |
| James | 40 | ShenZhen | male |
通过上面的例子可以看出，我们创建新的列的时候都是在原有的 DataFrame 上修改的，也就是说如果添加了新的一列之后，原有的 DataFrame 会发生改变。
如果想要保证原有的 DataFrame 不改变的话，我们可以通过 assign 方法来创建新的一列。
user_info.assign(age_add_one = user_info["age"] + 1)
| age | city | sex | age_add_one | |
|---|---|---|---|---|
| name | ||||
| Tom | 18 | BeiJing | male | 19 |
| Bob | 30 | ShangHai | male | 31 |
| Mary | 25 | GuangZhou | female | 26 |
| James | 40 | ShenZhen | male | 41 |
user_info.assign(sex_code = np.where(user_info["sex"] == "male", 1, 0))
| age | city | sex | sex_code | |
|---|---|---|---|---|
| name | ||||
| Tom | 18 | BeiJing | male | 1 |
| Bob | 30 | ShangHai | male | 1 |
| Mary | 25 | GuangZhou | female | 0 |
| James | 40 | ShenZhen | male | 1 |