1引言
本文總結Pandas中兩種常用的數據類型：
（1）Series是一種一維的帶標簽數組對象。
（2）DataFrame，二維，Series容器
2 Series數組
2.1 Series數組構成
Series數組對象由兩部分構成：
- 值（value）：一維數組的各元素值，是一個ndarray類型數據。
- 索引（index）：與一維數組值一一對應的標簽。利用索引，我們可非常方便得在Series數組中進行取值。
如下所示，我們通過字典創建了一個Series數組，輸出結果的第一列就是索引，第二列就是數組的具體值。
>>> import pandas as pd >>> a =pd.Series([102, 212, 332, 434]) >>> a 0 102 1 212 2 332 3 434 dtype: int64
也可以在創建時手動指定索引：
>>> a = pd.Series([102, 212, 332, 434], index=['第一列', '第二列', '第三列', '第四列']) >>> a 第一列 102 第二列 212 第三列 332 第四列 434 dtype: int64
利用索引，我們可以更加方便得在數組中進行取值：
>>> a['第一列'] 102 >>> a[['第一列', '第二列']] 第一列 102 第二列 212 dtype: int64
當然，你也可以使用以往的數字下標從數組中取值：
>>> a[0] 102 >>> a[[0,1]] 第一列 102 第二列 212 dtype: int64
2.2 創建Series數組
（1）通過list、tuple創建
>>> pd.Series([123, 321, 345,543]) # 傳入一個list 0 123 1 321 2 345 3 543 dtype: int64 >>> pd.Series((123, 321, 345,543)) # 傳入一個元組 0 123 1 321 2 345 3 543 dtype: int64
（2）通過傳入一維numpy數組對象創建
>>> import numpy as np >>> n = np.arange(3) # 創建一個一維的numpy數組 >>> pd.Series(n) 0 0 1 1 2 2 dtype: int32
注意：傳入的numpy必須是一維的數組，否則會報錯。
>>> n = np.arange(6).reshape((2,3)) >>> pd.Series(n) Traceback (most recent call last): File "<stdin>", line 1, in <module> …… packages\pandas\core\internals\construction.py", line 729, in sanitize_array raise Exception("Data must be 1-dimensional") Exception: Data must be 1-dimensional
（3）通過傳入字典創建
通過字典創建Series數組時，字典的key會自動被設置成Series數組的索引：
>>> pd.Series({'name':'張三', 'age':40, 'weight':140})
name 張三
age 40
weight 140
dtype: object
（4）通過傳入一個標量值創建
當傳入一個標量值時，必須傳入index索引，Series會根據傳入的index參數來確定數組對象的長度：
>>> a = pd.Series(10, index=['a', 'b', 'c', 'd']) >>> a a 10 b 10 c 10 d 10 dtype: int64
2.2 Series數組常用屬性
Series數組的屬性與numpy數組屬性很是類似，如下表所示：
3 DataFrame數組
3.1 DataFrame數組構成
DataFrame數組是Pandas中另一種數據結構，其數據的呈現方式類似於Excel這種二維表結構。相比於Series數組，DataFrame可以存放多維數據，所以DataFrame不僅僅有索引，還有列名，如下所示：
>>> d = {'one': [1, 2, 3, 4], 'two':['一', '二', '三', '四']}
>>> pd.DataFrame(d)
one two
0 1 一
1 2 二
2 3 三
3 4 四
>>> df.index
RangeIndex(start=0, stop=4, step=1)
>>> df.columns
Index(['one', 'two'], dtype='object')
可以看到，DataFrame數組可以包含多維數據，類似於一張二維表。與Series類似，DataFrame數組也有一個index索引，在不指定索引時，通常會自動生成從零開始步長為1的索引。此外DataFrame數組還有一個列名，索引和列名是從數組中挑選數據的重要依據。
3.2 創建DataFrame數組
（1）通過字典創建
通過字典來創建DataFrame數組時，字典的鍵將會自動成DataFrame數組的列名，字典的值必須是可迭代對象，例如Series、numpy數組、list、tuple等，不同Series數組中對應的缺失值pandas將自動填充NaN：
以list列表為值的字典：
>>> d = {'one': [1, 2, 3, 4], 'two':['一', '二', '三', '四']}
>>> pd.DataFrame(d)
one two
0 1 一
1 2 二
2 3 三
3 4 四
以numpy數組為值得字典：
>>> d = {'zero': np.zeros((3,)), 'ones': np.ones((3,)), 'twos':np.full((3,),2)}
>>> pd.DataFrame(d)
zero ones twos
0 0.0 1.0 2
1 0.0 1.0 2
2 0.0 1.0 2
以Series為值的字典：
>>> d = {'one': pd.Series([1., 2., 3.], index=['a', 'b', 'c']), 'two': pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}
>>> df = pd.DataFrame(d) # 創建DataFrame數組
>>> df
one two
a 1.0 1.0
b 2.0 2.0
c 3.0 3.0
d NaN 4.0
無論是上面那種類型對象為值的字典，都可以通過下面的方式重新指定列索引：
>>> pd.DataFrame(d, index=['d', 'b', 'a']) one two d NaN 4.0 b 2.0 2.0 a 1.0 1.0
當然，也可以在手動指定列名，不過行索引對應的鍵數據才會傳入新建的數組中：
>>> pd.DataFrame(d, index=['d', 'b', 'a'], columns=['two', 'three']) two three d 4.0 NaN b 2.0 NaN a 1.0 NaN
（2）通過列表創建
通過列表創建DataFrame數組時，列表的每一個元素必須是字典，這樣，字典的鍵將作為列名。
>>> d = [{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}]
>>> pd.DataFrame(d)
a b c
0 1 2 NaN
1 5 10 20.0
>>> pd.DataFrame(d, index=['第一行', '第二行']) # 重新指定索引
a b c
第一行 1 2 NaN
第二行 5 10 20.0
（3）通過功能函數創建
我們還可以通過諸如from_dict()、from_records()這類的功能函數來創建DataFrame數組，以from_dict()為例：
>>> d = {'A': [1, 2, 3], 'B': [4, 5, 6]}
>>> pd.DataFrame.from_dict(d)
A B
0 1 4
1 2 5
2 3 6
如果需要讓字典的鍵作為索引，重新指定列名，可以傳入orient='index'參數，然后重新傳入列名：
>>> pd.DataFrame.from_dict(d,orient='index', columns=['one', 'two', 'three']) one two three A 1 2 3 B 4 5 6
3.3 DataFrame數組的常用屬性
DataFrame數組的屬性與Series數據幾乎一樣，只是多了一個保存列名信息的columns屬性，參看上面表格中的Series屬性就行了。