python学习笔记——（2）pandas中的数据类型

    在用python进行数据处理的时候，自带的五种数据类型使用起来显然是有局限性的，python之强大在于各种包，在数据处理中用的最多的就是pandas和numpy。本文章主要介绍pandas的数据结构。

    pandas有两种数据结构

    series
    dataframe

    Series

pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

    是一种带标签的一维数组

    参数解释：

    data: 数组或者字典

    index:一维索引或者数组

    copy:是否复制data

    变量声明

obj = series([2,9,-10,333])    #通过数组赋值    

dict = {'name':John',score':100}
obj_dict = Series(dict)

    属性

    obj.values    #可以用list转化为列表

    obj.index    #可以用list转化为列表

    创建带索引的series:

l = [2,9,-10,333]
index = ['a','b','c','d']
obj = pd.Series(l,index,name='score')

    按索引取值：

    obj['a']    #返回 4

    obj[['c','d']]    #返回 [-5,3]

    返回的类型仍然为series

    对series进行运算：   

e = obj[obj<0]    #返回e仍然为series

f = obj * 10    #返回的f仍然为series

对series进行修改：

obj['a'] = 10    #将a的值修改为10
obj.index = ['f','b','c','d']    #修改索引

    DataFrame

pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)

   DataFrame是一种类似表格的二维数据结构

    参数解释

    data: numpy ndarray,字典或者dataframe

    index: 索引或者类似索引

    columns: 列名

    DataFrame创建

    从字典创建

    从numpy ndarray创建（二维列表）

    DataFrame索引

dic = {'name':['john','dick','lucy'],'sex':['man','man','woman'],'score':[100,80,90]}
index = ['first','second','third']
df = pd.DataFrame(dic,index = index)

    DataFrame取值

    取出某一列

df_name = df['name']  or df_name = df.name   #取出name列
df2 = df[['name','score']]    #取出两列

    取出某一行

df.ix['first']
df.ix[0]

    取出某行某列

df['name']['first']
df.ix['first']['name']

    结果都为：john

    DataFrame内容修改

df['score'] = 100    #将所有的score修改为100

    DataFrame按行遍历

array = df.values    #得到一个二维列表，每一行存在一个列表中
for row in array:
    print(row)