My_

Series对象本质上是一个NumPy的数组，因此NumPy的数组处理函数可以直接对Series进行处理。每个Series对象实际上都由两个数组组成，他们内部的结构很简单，由两个相互关联的数组组成，其中主数组用来存放数据。主数组的每个元素都有一个与之县关联的标签，这些标签存储在另外一个叫做Index的数组中注意三点：Series是一种类似于一维数组(ndarray)的对象.数组中可存储多种数据类型

选取操作Series对象支持查询方式： 位置下标 标签索引 切片索引 布尔型索引from pandas import Seriesimport pandas as pdseries1 = Series([10, 20, 30, 40], index=list('abcd'))# 通过位置查询series1[2]# 通过标签索引查询series1['b']#

DataFrame创建通过列表创建DataFrame通过字典创建DataFrame通过Numpy数组创建DataFrameDataFrame这种列表式的数据结构和Excel工作表非常类似，其设计初衷是讲Series的使用场景由一维扩展到多维. DataFrame由按一定顺序的多列数据组成，各列的数据类型可以有所不同(数值、字符串、布尔值).Series对象的Index数组存放有每个元素的标签，

数据from pandas import DataFrame, Seriesimport pandas as pdimport numpy as npcontries = { '俄罗斯': {'2013': 10, '2014': 20, '2015': 30}, '阿富汗': {'2013': 12, '2014': 25, '2015': 33}, '新加坡': {'

DataFrame和Series对象之间的运算DataFrame和DataFrame对象之间的运算pandas能将两个数据结构的索引对齐，这可能是与pandas数据结构索引有关的最强大的功能。这一点尤其体现在数据结构之间的算数运算上.参与运算的两个数据结构，其索引顺序可能不一致，而且有的索引项可能只存在一个数据结构中.

数组运算不需要循环即可对数据进行批量运算，叫做矢量化运算. 不同形状的数组之间的算数运算，叫做广播.import numpy as npndarray1 = np.array([1, 2, 3, 4, 5])ndarray2 = np.array([3, 4, 5, 6, 7])# 数组和数组之间的运算ndarray3 = ndarray1 * ndarray2ndarray4 = ndarr

创建数组创建ndarray创建数组最简单的方法就是使用array函数。它接收一切序列型的对象（包括其他数组），然后产生一个新的含有传入数据的Numpy数组。array函数创建数组import numpy as npndarray1 = np.array([1, 2, 3, 4])ndarray2 = np.array(list('abcdefg'))ndarray3 = np.array([[

将pandas.Dataframe转化为字典格式的两种方法da = df.to_dict(orient='records')das = df.to_json(orient='records')