Pandas中数据类型的理解

 Series

• 是带标签的一维数组
• 它由一组数据，以及一个与之相关的数据标签，即索引组成
• 一组数据，可以是不同的数据类型
• 可存储整数、浮点数、字符串、Python 对象等类型的数据
• 轴标签统称为索引
• 字典（比较好理解）

DataFrame

• 一组Series，增加了cloumns
• 第一列 称为index（索引）第一行称为columns（列名），中间为数据体
• 通过python中的字典+series是最容易创建DataFrame的方式,比如：
  data={
      'sate':['a','b','c','d','e'],
      'year':[2000,2001,2002,2003,2004],
      'pop':[1.5,1.7,3.6,2.4,2.9]
  }
  df = pd.DataFrom(data)
• 返回多个列 df[['a','b']]，这就理解为了什么是两重[]，type(df[['a','b']])可以查看返回类型
• DataFrame 查询结果为一行或者一列，一维数据， 则为一个series对象
• 查询结果如果为多行多列，是一个区块，二维的，仍然是一个DataFrame对象
• 每个行或者是每个列都是一个series，一维数据
• df常用的方法有
  df.loc[1] 查询一行
  df.loc[1:3] 查询多行
  df.shape 查看行列数
  df.columns 查看列名
  df.index   查看索引
  df.dtypes 查看数据类型

pandas

• 读取一个非CSV的格式化文本，比如：
  fake    1    2012/07
  luck    87    2018/01
  just    32    2015/11
  存为 /test.txt
  p = pd.read_csv(
      "/test.txt",
      sep = "\t",
      header=None,
      names=['what','value','date']
  )
• 生成一个系列
  In [3]: s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
• 由字典生成一个PD矩阵（也就是一行一行的生成）
  pd.DataFrame.from_dict(dict([('A', [1, 2, 3]), ('B', [4, 5, 6])]),orient='index', columns=['one', 'two', 'three'])