pandas.Series( data, index, dtype, copy)# data 数据采取各种形式# index 索引值必须是唯一的和散列的,与数据的长度相同# dtype dtype用于数据类型。如果没有,将推断数据类型# copy 复制数据,默认为false# eg1: 从ndarray创建一个系列
data = np.array(['a','b','c','d'])
s = pd.Series(data)print s
output:0 a
1 b
2 c
3 d
dtype:object# eg2 :从字典创建一个系列
data ={'a':0.,'b':1.,'c':2.}
s = pd.Series(data)print s
output: a 0.0
b 1.0
c 2.0
dtype: float64
# eg3 :从标量创建一个系列
s = pd.Series(5, index=[0,1,2,3])print s
output:05152535
dtype: int64
数据帧(DataFrame)
pandas.DataFrame( data, index, columns, dtype, copy)# data 数据采取各种形式,如:ndarray,series,map,lists,dict,constant和另一个DataFrame# index 对于行标签,要用于结果帧的索引是可选缺省值np.arrange(n),如果没有传递索引值# columns 对于列标签,可选的默认语法是 - np.arange(n)。 这只有在没有索引传递的情况下才是这样# dtype 每列的数据类型# copy 如果默认值为False,则此命令(或任何它)用于复制数据# eg1: 从列表创建DataFrame
data =[1,2,3,4,5]
df = pd.DataFrame(data)print df
output:00112233445
data =[['Alex',10],['Bob',12],['Clarke',13]]
df = pd.DataFrame(data,columns=['Name','Age'])print df
output: Name Age
0 Alex 101 Bob 122 Clarke 13# eg2 :从系列的字典来创建DataFrame
d ={'one': pd.Series([1,2,3], index=['a','b','c']),'two': pd.Series([1,2,3,4], index=['a','b','c','d'])}
df = pd.DataFrame(d)print df
output: one two
a 1.01
b 2.02
c 3.03
d NaN 4# 列选择,添加和删除
df ['one']# 选择
df['four']=df['one']+df['three']# 添加del df['one']# 删除# 行选择,添加和删除
df.loc['b']# 选择
df.iloc[2]# 按整数位置选择
df[2:4]# 行切片
df = df.append(df2)# 附加行
df = df.drop(0)# 删除行