参考链接

• 参考链接1

Series

Series的创建

pd.series(list, index[])第二个参数是Series中数据的索引，可以省略。
其中第一个参数可以有三种格式：

• ndarray
• dict，其中dict的keys将会在自动作为索引
• DataFrame中的某一行或某一列

DataFrame

DataFrame是一个表格型的数据类型，每列值类型可以不同，是最常用的pandas对象。DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用同一个索引）。DataFrame中的数据是以一个或多个二维块存放的（而不是列表、字典或别的一维数据结构）。

DataFrame的创建

pd.DataFrame(data,columns = [],index = [])columns和index为指定的列、行索引，并按照顺序排列。

1. 创建DataFrame最常用的是直接传入一个由等长列表或NumPy数组组成的字典，会自动加上行索引，字典的键会被当做列索引

   import pandas as pd
   data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada', 'Nevada'],
        'year': [2000, 2001, 2002, 2001, 2002, 2003],
        'pop': [1.5, 1.7, 3.6, 2.4, 2.9, 3.2]}
   df= pd.DataFrame(data)
   In [45]: df
   Out[45]: 
   pop   state  year
   0  1.5    Ohio  2000
   1  1.7    Ohio  2001
   2  3.6    Ohio  2002
   3  2.4  Nevada  2001
   4  2.9  Nevada  2002
   5  3.2  Nevada  2003

2. 如果创建时指定了columns和index索引，则按照索引顺序排列，并且如果传入的列在数据中找不到，就会在结果中产生缺失值：

   In [48]: df2 = pd.DataFrame(data, columns=['year', 'state', 'pop', 'debt'],
   ....:                       index=['one', 'two', 'three', 'four', 'five', 'six'])
   In [49]: df2
   Out[49]: 
       year   state  pop debt
   one    2000    Ohio  1.5  NaN
   two    2001    Ohio  1.7  NaN
   three  2002    Ohio  3.6  NaN
   four   2001  Nevada  2.4  NaN
   five   2002  Nevada  2.9  NaN
   six    2003  Nevada  3.2  NaN

3. 另一种常见的创建DataFrame方式是使用嵌套字典，如果嵌套字典传给DataFrame，pandas就会被解释为外层字典的键作为列，内层字典键则作为行索引：

   In [65]: pop = {'Nevada': {2001: 2.4, 2002: 2.9},
   ....:        'Ohio': {2000: 1.5, 2001: 1.7, 2002: 3.6}}
   In [66]: df3 = pd.DataFrame(pop)
   In [67]: df3
   Out[67]: 
      Nevada  Ohio
   2000     NaN   1.5
   2001     2.4   1.7
   2002     2.9   3.6

   DataFrame增加数据

   目测比较好用的方法是用.loc()方法直接增加一行数据。可以配合shape使用

   row_num, column_num = df.shape
   df.loc[row_num] = {key:value, key:value}

   数据保存

   保存成csv

   dataFrame.to_csv()