浅谈python的第三方库——pandas（二）

pandas使用小贴士

1 通过Series创建DataFrame

在pandas系列的第一篇博文中曾提到，Series可视为DataFrame的一种特例，即只有一列数据。既然如此，是否可以并列多个Series组成一个DataFrame呢？当然可以，通过这种方式创建DataFrame也称为用字典建立数据，由各列列名充当字典的键，该列数据构成的Series充当该键对应的值。示例如下：

上图中，Series类型充任df_1的第二列，因为pandas默认以“0，1，2，3”形式给行列命名，本例中，列名就是字典的键，行名默认自动生成，为了与已有行名对应，在创建第二列的Series时指定了行名index=list(range(4))。
另外，numpy中的一维数组也可以起到充当DataFrame某一列数据的作用，如果给某一列赋值时只有一个值，则pandas会自动根据行的数目重复该值以补全该列。

2 查看DataFrame的常用属性

注意：下面的例子是在一个新建的df_2上演示，同样通过上一小节介绍的字典方式创建，但数据量略微大一些。

2.1 查看各列数据类型

2.2 查看行列名和具体数据

使用values方法可以直接得到和numpy中一样的多维数组形式的数据类型。

2.3 查看数据描述

数据描述只是针对数值型数据给出某些列的统计信息。
对于pandas的一些转置、排序操作，这些方法和numpy中的方法无异，在此不再赘述。

3 设定条件选取数据

前一篇博文提到用行列名、行列位置以及二者混合的方式选取数据，其实还有一种通过给定条件选择数据的方法。

上图中，设置条件选择A列中大于零的值，然后将其所在的行抽取出来组成新的DataFrame。
当然，也可以在设定条件的同时，指定所要选取的列。

本期到此结束，后面将继续介绍pandas的常用操作。