前面讲了Python的基础知识，从这一章开始进入正式的数据分析过程中，主要讲述每个数据分析过程都会用到什么操作，这些操作用Excel是怎么实现的，如果用Python，那么代码应该怎么写。
接下来的几章会用到Pandas、NumPy、matplotlib这几个模块，在使用它们之前我们要先将其导入，导入方法在Python基础知识部分讲过，一个程序中只需要导入一次即可。
为了在引用模块时书写方便，上面的代码中用as分别给这几个模块起了别名。所以在本书中见到pd就是代表Pandas，见到np就是代表NumPy，见到plt就是代表matplotlib.pyplot。
一、Series数据结构
1、Series是什么
Series是一种类似于一维数组的对象，由一组数据及一组与之相关的数据标签（即索引）组成。
上面这样的数据结构就是Series，第一列数字是数据标签，第二列是具体的数据，数据标签与数据是一一对应的。上面的数据用Excel表展示如下表所示。
2、创建一个Series
创建一个Series利用的方法是pd.Series()，通过给Series()方法传入不同的对象即可实现。
传入一个列表
传入一个列表的实现如下所示。
如果只是传入一个列表不指定数据标签，那么Series会默认使用从0开始的数做数据标签，上面的0、1、2、3就是默认的数据标签。
指定索引
直接传入一个列表会使用默认索引，也可以通过设置index参数来自定义索引。
传入一个字典也可以将数据与数据标签以key:value（字典）的形式传入，这样字典的key值就是数据标签，value就是数据值。
3、利用index方法获取Series的索引
获取一组数据的索引是比较常见的需求，直接利用index方法就可以获取Series的索引值，代码如下所示
4、利用values方法获取Series的值
与索引值对应的就是获取Series的值，使用的方法是values方法。
二、DataFrame表格型数据结构
1、DataFrame是什么
Series是由一组数据与一组索引（行索引）组成的数据结构，而DataFrame是由一组数据与一对索引（行索引和列索引）组成的表格型数据结构。之所以叫表格型数据结构，是因为DataFrame的数据形式和Excel的数据存储形式很相近，接下来的章节主要围绕DataFrame这种表格型数据结构展开。下面就是一个简单的DataFrame数据结构。
上面这种数据结构和Excel的数据结构很像，既有行索引又有列索引，由行索引和列索引确定唯一值。如果把上面这种结构用Excel表展示如下表所示。
2、创建一个DataFrame
创建DataFrame使用的方法是pd.DataFrame()，通过给DataFrame()方法传入不同的对象即可实现。传入一个列表传入一个列表的实现如下所示。
注：该大写的一定要大写，要不系统识别不了
只传入一个单一列表时，该列表的值会显示成一列，且行和列都是从0开始的默认索引。传入一个嵌套列表
当传入一个嵌套列表时，会根据嵌套列表数显示成多列数据，行、列索引同样是从0开始的默认索引。列表里面嵌套的列表也可以换成元组。
指定行、列索引
如果只给DataFrame()方法传入列表，DataFrame()方法的行、列索引都是默认值，则可以通过设置columns参数自定义列索引，设置index参数自定义行索引。
设置列索引
设置行索引
行、列同时设置索引
传入一个字典，传入一个字典的实现如下所示：
直接以字典的形式传入DataFrame时，字典的key值就相当于列索引，这个时候如果没有设置行索引，行索引还是使用从0开始的默认索引，同样可以使用index参数自定义行索引，代码如下：
3、获获取DataFrame的行、列索引
利用columns方法获取DataFrame的列索引。
利用index方法获取DataFrame的行索引。
4、获取DataFrame的值
获取DataFrame的值就是获取DataFrame中的某些行或列，有关行、列的选择在第6章会有详细讲解。
预览时标签不可点收录于话题#个上一篇下一篇