Pandas入门：探索Series和DataFrame操作

本文档介绍了Pandas库中的两个核心数据结构——Series对象和DataFrame（数据框），并详细阐述了它们的创建、操作和转换方法。 ### 一、Series对象 1、生成 Series是Pandas中的一维数据结构，类似于Python的列表，但拥有自定义索引。创建Series可以通过传递一个列表或者数组： ```python import pandas as pd import numpy as np s = pd.Series([1, 2, 'a']) # Series的首字母需要大写 ``` 生成的Series默认会自动为元素分配整数索引，若未指定索引，则从0开始递增。 2、切片 Series支持多种方式的切片操作： - 一般索引：`s[0:8:2]` 可以通过指定开始、结束位置和步长来获取子集。 - 重命名索引：通过设置index参数可以为Series设置自定义索引，如`d = pd.Series(np.random.rand(5), index=list('abcde'))`，然后使用字符串索引来切片，例如`d['a':'c']`。 - 布尔索引：可以使用条件表达式作为索引，如`d[d > 0.2]`，这将返回满足条件的元素。 3、Series类型的转换 Series中的数据可以进行类型转换，主要通过`astype()`和`pd.to_numeric()`方法： - `astype()`方法：允许我们指定目标数据类型，如`a.astype(np.float, errors='ignore')`。`errors`参数控制处理转换错误的方式，"ignore"表示忽略错误，"raise"则会在错误发生时抛出异常。 - `pd.to_numeric()`方法：此方法主要用于将字符串或对象序列转换为数字类型，`pd.to_numeric(a, errors='coerce')`，`errors`参数的取值还可以是'raise'，表示在遇到不能转换的元素时抛出异常，'coerce'则会将无法转换的元素设为NaN。 ### 二、DataFrame（数据框）对象 1、生成 DataFrame是二维表格型数据结构，可以理解为由多个Series组成的字典。创建DataFrame可以通过字典或者二维数组： ```python df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}) ``` 2、导入外部文件 Pandas提供了便捷的读取和写入文件的功能，例如读取CSV文件： ```python df_from_csv = pd.read_csv('file.csv') ``` 3、查看数据框信息 可以使用`head()`，`info()`等方法查看DataFrame的基本信息： ```python df.head() # 显示前5行数据 df.info() # 显示DataFrame的列名、数据类型和非空值数量 ``` 4、数据框对象的索引和切片 DataFrame支持行和列的索引与切片，如`df.loc[row_indexer, column_indexer]`或`df.iloc[row_indexer, column_indexer]`。 5、删除和新增 可以使用`drop()`方法删除行或列，`insert()`方法插入新列。 6、数据框修改列名 通过`rename()`方法可以修改DataFrame的列名： ```python df.rename(columns={'old_name': 'new_name'}, inplace=True) ``` 7、数据框对象的导出 使用`to_csv()`，`to_excel()`等方法将DataFrame保存到文件： ```python df.to_csv('output.csv', index=False) # 不保存索引 ``` Pandas库的Series和DataFrame是数据分析中常用的工具，它们提供了丰富的操作和转换功能，方便用户对数据进行预处理和分析。了解和熟练掌握这两个数据结构及其操作方法是进行高效数据处理的关键。