下载掌阅APP，畅读海量书库
立即打开
在数据分析中，Pandas最为常见，是医学、金融学、统计学等领域处理数据的最主要工具。它的主要数据结构为series（一维数据）和DataFrame（二维数据），其中DataFrame与Excel数据结构、R中的dataframe相似。
Pandas的Series是一种类似一维数组的对象，由一组数据（可以保存任何数据类型）以及一组与之相关的数据标签（即索引）组成。Series构造方法为：Pandas.Series（data= None ,index= None , dtype= None , name= None , copy= False , fastpath= False ）。其中各参数说明见表3-3。
表3-3 构建Series常见参数说明
创建一个简单的Series，如代码清单3-8所示。
代码运行结果如下：
Series的表现形式为：索引在左，值在右。如果没有指定索引，则自动创建一个0到N-1（N为数据长度）的整数型索引。可以通过Series的values和index属性获取其数组表示形式（值）和索引对象，如代码清单3-9所示。
代码运行结果如下：
Pandas的DataFrame是一个表格型数据结构，含有一组有序的列，每列可以有不同的值类型（数值、字符串、布尔值等）。DataFrame既有行索引也有列索引，可以被看作由Series组成的字典（共同使用一个索引），也可以理解为一个二维数组结构，类似二维数组，如图3-2所示。
图3-2 DadaFrame的数据结构
DataFrame的构造方法为：Pandas.DataFrame(data= None , index= None , columns= None , dtype= None , copy= None )。其中各参数说明见表3-4。
构建DataFrame的方法有很多，比较常用的有由列表或NumPy组成的字典、Series等方法构建。
（1）通过列表组成的字典构建DataFrame：任何元素是字典的列表都可以构建DataFrame，如代码清单3-10所示。
表3-4 DataFrame构造方法常见参数说明
代码运行结果如下：
（2）通过NumPy数组构建DataFrame：详见代码清单3-11。
代码运行结果如下：
在代码清单3-11中，首先定义了数组各列的数据类型对象patients，其中“S5”表示长度为5的字符串类型，然后将数组转换成DataFrame，结果中“Patient”列字符串前面的字符“b”表示该字符串是按照字节类型存储的，各种存放类型说明见表3-5。
表3-5 DataFrame中数据存放类型说明
在Python3中，bytes类型和Unicode编码str类型的互相转换方式是使用str.encode('utf-8')将字符串类型编码为bytes类型，使用bytes.decode('utf-8')将字节类型转换为Unicode编码字符串str。
（3）通过单个Series对象构建DataFrame，如代码清单3-12所示。
代码运行结果如下：
NumPy与Pandas是大数据分析中比较常用的两个数据分析库，在实际分析中，经常会遇到NumPy的ndarray数据结构与Pandas的Series和DataFrame数据结构之间的互相转换问题。使用rand函数生成一个ndarray，并与DataFrame数据结构进行相互转换，见代码清单3-13。
代码清单3-13中，用Numpy的随机函数生成随机数组，用rand函数根据给定维度生成[0,1)之间的数据（包含0但不包含1）。代码运行结果如下所示：
