Numpy存字符串

# -*- coding: utf-8 -*-
import numpy as np

student = np.dtype({'names':['name', 'age', 'weight'], 'formats': ['S32', 'i', 'f']}, align = True)
a = np.array([("Zhang", 32, 65.5), ("Wang", 24, 55.2)], dtype = student)
a
Out[48]: 
array([(b'Zhang', 32,  65.5       ), (b'Wang', 24,  55.20000076)],
      dtype={'names':['name','age','weight'], 'formats':['S32','<i4','<f4'], 'offsets':[0,32,36], 'itemsize':40, 'aligned':True})

DataFrame

一個Datarame表示一個表格，類似電子表格的數據結構，包含一個經過排序的列表集，它們沒一個都可以有不同的類型值（數字，字符串，布爾等等）。Datarame有行和列的索引；它可以被看作是一個Series的字典（每個Series共享一個索引）。與其它你以前使用過的（如R 的data.frame )類似Datarame的結構相比，在DataFrame里的面向行和面向列的操作大致是對稱的。在底層，數據是作為一個或多個二維數組存儲的，而不是列表，字典，或其它一維的數組集合。

因為DataFrame在內部把數據存儲為一個二維數組的格式，因此你可以采用分層索引以表格格式來表示高維的數據。分層索引是pandas中許多更先進的數據處理功能的關鍵因素。

構建DataFrame

字典或NumPy數組

最常用的一個是用一個相等長度列表的字典或NumPy數組：

import pandas as pd

data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'],
        'year': [2000, 2001, 2002, 2001, 2002],
        'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
frame = DataFrame(data)

frame[‘next'] = 0 # 增加一列next，默認值為0

frame.to_csv("C:\\mytest.csv")

 

參考：http://blog.csdn.net/pipisorry/article/details/18010307