利用pandas进行数据分析之二：DataFrame与Series数据结构对比
Series与DataFrame对比学习
文章为本人原创，未经同意请勿转载，http://www.cnblogs.com/smallcrystal/
Series:构建的方法，一组数组（列表或元组），利用Series(),自动生成索引。或Series(字典),值只有一列，无列索引，只有行索引
属性： .index、.values .name .index.name .values.name
>> data={'state':['ohio','ohio','ohio','nev','nev'],'year':[2000,2001,2002,2003,2004],'pop':[1.5,1.3,1.7,2.0,3.5]}
>>> pd.Series(data)
pop [1.5, 1.3, 1.7, 2.0, 3.5]
state [ohio, ohio, ohio, nev, nev]
year [2000, 2001, 2002, 2003, 2004]
dtype: object
DataFrame:构建方法：直接传入一个由等长列表或Numpy数组组成的字典，利用DataFrame（），值有多列，并有列索引
1、由数组、列表或元组组成的字典：，每个序列变成DataFrame的一列，所有序列的长度必须相同
>>> data={'state':['ohio','ohio','ohio','nev','nev'],'year':[2000,2001,2002,2003,2004],'pop':[1.5,1.3,1.7,2.0,3.5]}
>>> pd.DataFrame(data)
pop state year
0 1.5 ohio 2000
1 1.3 ohio 2001
2 1.7 ohio 2002
3 2.0 nev 2003
4 3.5 nev 2004
2、二维ndarray,可以传入行标和列标
>>> ARR=np.array([[1,2,3,4],[5,6,7,8]])
>>> ff=pd.DataFrame(ARR,columns=list('abcd'),index=['first','second'])
>>> ff
a b c d
first 1 2 3 4
second 5 6 7 8
arr=pd.DataFrame(np.arange(12).reshape(4,3),index=[],columns) #利用np.arange(12).reshape(n,m)生成二维ndarray
3、由字典组成的字典：各内层字典会成为一列，键会被合并成结果的行索引
4、由Series组成的字典，每个Series会成为一列，如果没有显示指定索引，则各Series的索引会被合并成结果的行索引
DataFrame:是一个表格型的数据结构，包含一组有序的列，每列可以是不同的值类型，既有行索引，又有列索引。
属性有DataFrame：.columns、 .index、.values
>>> pd.DataFrame(data,columns=['pop','year','state'])#指定列，则DataFrame的列就会按照指定顺序进行排列,和Series指定索引一样；
pop year state
0 1.5 2000 ohio
1 1.3 2001 ohio
2 1.7 2002 ohio
3 2.0 2003 nev
4 3.5 2004 nev
>>> pd.Series(data,index=['pop','year','state'])
pop [1.5, 1.3, 1.7, 2.0, 3.5]
year [2000, 2001, 2002, 2003, 2004]
state [ohio, ohio, ohio, nev, nev]
>>> pd.DataFrame(data,columns=['pop','other','state','add'])#如果传入的列正在数据中找不到，就会产生NA,和Series一样
pop other state add
0 1.5 NaN ohio NaN
1 1.3 NaN ohio NaN
2 1.7 NaN ohio NaN
3 2.0 NaN nev NaN
4 3.5 NaN nev NaN
>>> pd.Series(data,index=['pop','year','state','ADD'])
pop [1.5, 1.3, 1.7, 2.0, 3.5]
year [2000, 2001, 2002, 2003, 2004]
state [ohio, ohio, ohio, nev, nev]
ADD NaN
>>> pd.DataFrame(data,index=list('abcde'))#更改索引
pop state year
a 1.5 ohio 2000
b 1.3 ohio 2001
c 1.7 ohio 2002
d 2.0 nev 2003
e 3.5 nev 2004
属性
>>> f=pd.DataFrame(data,index=list('abcde'))
>>> f.index ###pandas的索引对象负责管理周标签和其他元数据（比如轴名称），index对象是不可修改的。
Index([u'a', u'b', u'c', u'd', u'e'], dtype='object')
>>> f.columns
Index([u'pop', u'state', u'year'], dtype='object')
>>> f.values#以二维ndarray的形式返回数据
array([[1.5, 'ohio', 2000],
[1.3, 'ohio', 2001],
[1.7, 'ohio', 2002],
[2.0, 'nev', 2003],
[3.5, 'nev', 2004]], dtype=object)
>>> s=pd.Series(data,index=['pop','year','state','ADD'])
>>> s.index
Index([u'pop', u'year', u'state', u'ADD'], dtype='object')
>>> s.values
array([[1.5, 1.3, 1.7, 2.0, 3.5], [2000, 2001, 2002, 2003, 2004],
['ohio', 'ohio', 'ohio', 'nev', 'nev'], nan], dtype=object)
获取列：通过类似字典标记的方式或属性的方式，将DataFrame的列获取为一个Series,返回的Series拥有原DataFrame相同的索引
>>> f['pop']#指定列,
a 1.5
b 1.3
c 1.7
d 2.0
e 3.5
>>> f.year#利用属性获取
a 2000
b 2001
c 2002
d 2003
e 2004
>>> s.year
[2000, 2001, 2002, 2003, 2004]
>>> s['year']
[2000, 2001, 2002, 2003, 2004]
>>> s[1]
[2000, 2001, 2002, 2003, 2004]
获取行：行可以通过位置或名称的方式进行索引，比如用索引字段ix
>>> f.ix['a']
pop 1.5
state ohio
year 2000
Name: a, dtype: object
#列可以通过赋值方式进行修改，或增加列,将列表或者数组赋值给某个列时，其长度必须跟DataFrame的长度相匹配
如果是Series，就会精确匹配DataFrame的索引，所有空位都将被填上缺失值
>>> f['add']=[10,20,30,40,50]
>>> f
pop state year add
a 1.5 ohio 2000 10
b 1.3 ohio 2001 20
c 1.7 ohio 2002 30
d 2.0 nev 2003 40
e 3.5 nev 2004 50
>>> s['add']=(1,2,3,4,5)
>>> s
pop [1.5, 1.3, 1.7, 2.0, 3.5]
year [2000, 2001, 2002, 2003, 2004]
state [ohio, ohio, ohio, nev, nev]
ADD NaN
add (1, 2, 3, 4, 5)
#删除列
>>> del f['add']
#转置
>>> f.T
a b c d e
pop 1.5 1.3 1.7 2 3.5
state ohio ohio ohio nev nev
year 2000 2001 2002 2003 2004
