Python 学习 第23篇：pandas 之一（ Series）

pandas是基于NumPy构建的模块，含有使数据分析更快更简单的操作工具和数据结构，最常用的数据结构是：序列Series和数据框DataFrame，Series类似于numpy中的一维数组，类似于关系表的一列；而DataFrame类似于二维的关系表。

>>> import pandas as pd
>>> from pandas import Series,DataFrame

一，pandas的数据类型

用dtype属性来显示元素的数据类型，pandas主要有以下几种dtype：

• object：表示字符串类型
• int：表示整数类型
• float：表示浮点数类型
• datetime：表示时间类型
• bool：表示布尔类型
• category：分类

1，查看数据类型

查看数据框中某一列的数据类型：

df['col_name'].dtypes

2，转换数据类型

astype(dtype) 函数用于把数据框的列转换为特定的类型，dtype可以是pandas支持的类型，也可以是numpy.dtype，也可以是Python类型：

把数据框的列改变为字符串类型，str是python类型，'object'是pandas支持的字符串类型：

df['col_name'].astype(str)
df['col_name'].astype('object')

3，其他转换类型的函数

使用Pandas提供的函数如to_numeric()、to_datetime()

二，序列

Series 是由一组有序的数据以及与之相关的索引组成，可以通过索引来访问Series对象中的元素。

1，创建序列

仅使用一组数据就可以产生最简单的Series，此时索引是从0依次递增的整数：

obj=Series([4,7,-5,3])

可以通过Series对象的values和index属性查看序列的值和索引：

obj.values
## array([4,7,-5,3])
obj.index
## Int64Index([0,1,2,3])

可以使用自定义的列表来创建序列：

obj=Series([4,7,-5,3],index=['d','b','a','c'])

如果数据存储在一个Python字典结构中，也可以直接通过字典来创建Series：

>>> sdata = {'b': 12, 'a': 13, 'd': 14, 'c': 10}
>>> sd=pd.Series(sdata)
b    12
a    13
d    14
c    10
dtype: int64

2，访问序列的元素

通过索引来访问序列的元素，并可以修改序列元素的值

sd['a']=4

参考文档：