Pandas
Series（系列）
Series 是一个带有
名称和索引的一维数组import pandas as pd
import numpy as np
# 引入
money = [4.5,7.3,11.2,100.0,43.1]
name = ["西瓜","苹果","菠萝","香蕉","圣女果"]
S_thing = pd.Series(money)
S_thing.index = name
S_thing.index.name = "商品"
S_thing.name = "订单"
N_thing = S_thing.value
print(S_thing)
print(S_thing["西瓜"] > 3.0)
print(N_thing,type(N_thing))print结果为：
商品
西瓜 4.5
苹果 7.3
菠萝 11.2
香蕉 100.0
圣女果 43.1
Name: 订单, dtype: float64
True
[ 4.5 7.3 11.2 100. 43.1] <class 'numpy.ndarray'>注意点：
- Series对象有
字典功能,也可以直接转换字典
- 通过Series的俩个属性
values和index获取内容和索引
- Series获取的内容输出为一个
numpy.ndarray类型
pd.isnull和pd.nonull可检测缺失数据
- 主要特点为：同质数据、大小不可变、数据值可变
Dataframe（数据帧）
DataFrame 是一个带有索引的（异构数据）二维数据结构，每列可以有自己的名字，并且可以有不同的数据类型。你可以把它想象成一个 excel 表格或者数据库中的一张表，DataFrame 是最常用的 Pandas 对象
import pandas as pd
import numpy as np
air_name = pd.Index(data =["北京-深圳" ,"东京-名古屋" ,"3元-2元"] ,name ="航班")
air_data ={
"售价" :[1800,18000,999999],
"区域" :["国内" ,"跨国" ,"跨世"],
"序号" :[1,2,3]
}
air =pd.DataFrame(data =air_data, index =air_name)
print(air)
# print(air[1:])
# print(air.loc["3元-2元"])
# print(air.iloc[2])
# print(air["售价"])
# print(air[["售价","区域"]])
air["是否在售"] = "在售"
# 添加列
print(air)
air.pop("是否在售")
# 删除列
print(air)
air["是否在售"] = ["在售","在售","断票"]
print(air)
print(air.assign(air_new = air["售价"] + 1))
# 添加新列，不在原变量上添加，可以另存为print结果:
售价 区域 序号
航班
北京-深圳 1800 国内 1
东京-名古屋 18000 跨国 2
3元-2元 999999 跨世 3
售价 区域 序号 是否在售
航班
北京-深圳 1800 国内 1 在售
东京-名古屋 18000 跨国 2 在售
3元-2元 999999 跨世 3 在售
售价 区域 序号
航班
北京-深圳 1800 国内 1
东京-名古屋 18000 跨国 2
3元-2元 999999 跨世 3
售价 区域 序号 是否在售
航班
北京-深圳 1800 国内 1 在售
东京-名古屋 18000 跨国 2 在售
3元-2元 999999 跨世 3 断票
售价 区域 序号 是否在售 air_new
航班
北京-深圳 1800 国内 1 在售 1801
东京-名古屋 18000 跨国 2 在售 18001
3元-2元 999999 跨世 3 断票 1000000注意点：
- 列可以无限扩展
- 主要特点为：异构数据、大小可变、数据可变