Python笔记：Pandas数据处理

Pandas是Numpy基础上建立的新数据库，提供了一种高效的DataFrame数据结构。DataFrame本质上是一种带行标签（index）和列标签（columns）、支持相同类型数据和缺失值的多维数组。

Pandas 可以看成是增强版的NumPy结构化数组，行列都不再只是简单的整数索引，还带上了标签。这样不仅为带各种标签的数据通了便利的存储界面，还实现了许多强大的操作。

1，导入

和之前导入NumPy并使用别名一样，我们将导入Pandas并使用别名pd：

我们首先要了解Pandas的三个基本数据结构，Series，DataFrame和Index。

2，Pandas的Series对象

Pandas的Series对象是一个带索引数据构成的一维数组，可以用一个数组创建Series对象

由上可以发现，Series对象将一组数组和一组索引绑定在一起，我们可以通过values属性和index属性获取数据。

和NumPy数组一样，数据可以通过Python的中括号索引标签获取

Numpy数组通过隐式定义的整数索引获取数值，而Pandas的Series对象用一种显式定义的索引与数值关联。

显式索引的定义让Series对象拥有了更强的能力，例如，索引不再仅仅是整数，还可以是任意想要的类型，如果需要，完全可以用字符串定义索引。

我们可以认为，Pandas的Series对象是一种特殊的字典，index对应字典的key，values对应字典的values。

现在我们用python的字典直接创建一个Pandas的Series对象，使得Series对象与字典的对比更加清晰

用字典创建Series对象时，典型的字典数值获取方式仍然有效

和字典不同之处在于，Series对象还支持数组形式的操作，如切片

3，Pandas的DataFrame对象

DataFrame对象也可以看做是特殊的python字典

如果将Series类比为带灵活索引的一维数组，那么DataFrame就可以看作是一种既有灵活的行索引，又有灵活的列名的二维数组，

我们可以将DataFrame看成是有序排列的若干Series对象。

DataFrame也有一个index属性可以获取索引行标签，还有一个columns属性用于获取索引列标签。

与Series类似，我们也可以吧DataFrame看成一种特殊的字典，字典是一个键映射一个值，而DataFrame是一列映射一个Series的数据。

4，Pandas的Index对象

Series和DataFrame对象都使用便于引用和调整的显示索引，而Pandas的Index对象则不同，Index对象的索引是不可变的，我们可以将它看作是一个不可变数组或有序集合。

Index对象的不可变特性使得多个DataFrame和数组之间进行索引共享时更加安全，尤其是可以避免因修改索引时粗心大意而导致的副作用。

Pandas对象设计用于实现许多操作，如连接(join)数据集，其中会涉及许多集合操作，Index对象遵循Python标准库的集合（set）数据结构的许多习惯用法，包括并集，交集，差集等。