對于Python而言，坊間早有這種說法：在有了 pandas之后，Python才算有了數據分析的能力。在此之前，要想用Python來做數據分析，可能就沒那么友好了，可見pandas在學習數據分析時候的重要程度。對于 pandas來說，很多功能的實現也是要基于科學計算庫 numpy的，所以 numpy+ pandas的組合在Python數據分析中就顯得尤為關鍵。

從本篇開始，小編就給大家詳細講解 pandas的基本用法和應用案例，熟悉R的朋友們也可以將其與R的數據分析功能進行對比，定能有所收獲。本篇先對 pandas的數據結構進行介紹，跟R大不相同的是，Python并沒有太多不同的數據結構和對象， pandas中主要包括 Series和 DataFrame兩種數據結構。

Series

Series有點類似于 numpy中的一維數組對象，一般由一組數據和數據相關的標簽或者索引構成，由一組數構成最簡單的 Series如下：

from numpy import *

from pandas import *

創建 Series：

obj = Series([-1,3,-4,6])

print(obj)

0 -1

1 3

2 -4

3 6

dtype: int64

可以看到的是，由一組數創建的 Series對象索引在左邊，值在右邊。我們也可以通過索引和值標簽分別訪問相應的對象：

#Series對象值

obj.values

array([-1, 3, -4, 6], dtype=int64)

#Series對象索引

obj.index

RangeIndex(start=0, stop=4, step=1)

當然，我們可以在創建Series對象的時候就對索引進行標記或者命名：

#對Series索引進行命名或者標記

obj2 = Series([-1,3,-4,6],index = ['a','b','c','d'])

print(obj2)

a -1

b 3

c -4

d 6

dtype: int64

#查看索引

obj2.index

Index(['a', 'b', 'c', 'd'], dtype='object')

根據 Series索引訪問對象值：

obj2['a']

-1

obj2[['a','b','c']]

a -1

b 3

c -4

dtype: int64

也可以對Series對象進行數組運算：

obj2[obj2 > 0]

b 3

d 6

dtype: int64

obj2*2

a -2

b 6

c -8

d 12

dtype: int64

np.exp(obj2)

a 0.367879

b 20.085537

c 0.018316

d 403.428793

dtype: float64

除了直接以數組形式創建 Series對象之外，通過字典來生成 Series也是較為普遍的做法：

nba = {'Kobe Bryant':30.3,'Allen Iverson':29.4,'Tracy McGrady':30.1,'Vince Carter':25.6}

obj3 = Series(nba)

print(obj3)

AllenIverson 29.4

KobeBryant 30.3

TracyMcGrady 30.1

VinceCarter 25.6

dtype: float64

創建完之后可以對 Series對象和索引進行命名：

obj3.name = 'nbastats'

obj3.index.name = 'player'

print(obj3)

player

AllenIverson 29.4

KobeBryant 30.3

TracyMcGrady 30.1

VinceCarter 25.6

Name: nbastats, dtype: float64

另外， Series索引可以隨時進行更改：

obj3.index = ['A.Iverson','K.Bryant','T.McGrady','V.Carter']

print(obj3)

A.Iverson 29.4

K.Bryant 30.3

T.McGrady 30.1

V.Carter 25.6

Name: nbastats, dtype: float64

除了上述創建 Series對象的方法以外，從 DataFrame中單獨拿出一行也可以用來創建 Series。關于 Series數據結構的基本內容就介紹到這里，下面看 DataFrame。

DataFrame

說到 DataFrame，可能大家更熟悉的是R語言中的 data.frame，Python中的 DataFrame跟它也較為類似。在Python中， DataFrame是一個表格型的數據結構，它含有一組有序的列，每列的數據類型可以不一樣，與R中的數據框相比，Python中的 DataFrame行列操作較為平衡。 構建DataFrame方法很多，最常用的是直接傳入一個由等長列表或NumPy數組組成的字典：

data = {'city':['LAL','HOU','PHI','TOR'],

'year':[1996,1997,1996,1997],

'score':[30.3,30.1,29.4,25.6]}

frame = DataFrame(data)

frame

city score year

0 LAL 30.3 1996

1 HOU 30.1 1997

2 PHI 29.4 1996

3 TOR 25.6 1997

可以看到，字典在轉化為數據框的過程中，鍵是作為列名而存在的。

#按指定列進行排列

DataFrame(data,columns=['year','city','score'])

year city score

0 1996 LAL 30.3

1 1997 HOU 30.1

2 1996 PHI 29.4

3 1997 TOR 25.6

根據字典傳入時，若是指定列找不到數據則會自動填補為缺失：

#若傳入的列找不到數據則會產生NA

frame2 = DataFrame(data,columns=['year','city','score','assist'],

index=[1,2,3,4])

print(frame2)

year city score assist

11996 LAL 30.3 NaN

21997 HOU 30.1 NaN

31996 PHI 29.4 NaN

41997 TOR 25.6 NaN

如前述，我們可以通過 data.frame來獲取一個 Series對象：

frame2['city']

1 LAL

2 HOU

3 PHI

4 TOR

Name: city, dtype: object

frame2.score

1 30.3

2 30.1

3 29.4

4 25.6

Name: score, dtype: float64

也可以通過 loc方法訪問 DataFrame的行：

frame2.loc[3]

year 1996

city PHI

score 29.4

assist NaN

Name: 3, dtype: object

對缺失的變量進行重新賦值：

frame2['assist']=5.6

print(frame2)

year city score assist

11996 LAL 30.3 5.6

21997 HOU 30.1 5.6

31996 PHI 29.4 5.6

41997 TOR 25.6 5.6

按索引傳入時，沒有被指定的記錄產生缺失：

val = Series([4.5,3.9],index=[1,4])

frame2['assist']=val

print(frame2)

year city score assist

11996 LAL 30.3 4.5

21997 HOU 30.1 NaN

31996 PHI 29.4 NaN

41997 TOR 25.6 3.9

對于嵌套字典轉化為 DataFrame，一般外層字典的鍵作為列，內層字典的鍵作為行索引：

nba = {'kobe':{2005:35.6,2006:32.1},'McGrady':{2005:26.7,2006:24.3}}

frame3 = DataFrame(nba)

print(frame3)

McGrady kobe

2005 26.735.6

2006 24.332.1

關于pandas的兩種基本數據結構Series和DataFrame，小編就暫且介紹到這里了，關于如何在實際的數據分析過程熟練使用這兩種數據結構的基本操作，小編在后續的推文中會進一步的講解。