Pandas Series和DataFrame的基本概念

1，创建Series

1.1，通过iterable创建Series

Series接收参数是Iterable，不能是Iterator

pd.Series(Iterable)

可以多加一个index参数，index可以接收Iterator或者Iterable：

>>> pd.Series(('a', 'b'), index=iter(range(2)))
0    a
1    b
dtype: object

1.2，通过字典创建Series

key是索引：

>>> pd.Series({'a':1, 'b':2})
a    1
b    2
dtype: int64

2，Series常用方法

s = pd.Series([1, 2, 3], index=list('abc'))

Series也能像字典那样遍历：

for index, value in s.items():
    print(index, value, end=';')  # a 1;b 2;c 3;

和字典一样，Series的in测试默认是index操作，如果想对values操作需加上values：

print('a' in s)   # True
print(1 in s.values)  # True

获取series的values组成的列表：

print(s.tolist())   # [1, 2, 3]

　　

3，创建DataFrame

3.1，通过iterable组成的列表创建DataFrame

[it1, it2, ..., itN]，每个it是一行数据，缺省的index, columns是从0开始的int

>>> pd.DataFrame([(1, 2, 3), [4, 5, 6], range(3, 6), 'abc'])
   0  1  2
0  1  2  3
1  4  5  6
2  3  4  5
3  a  b  c

it长度不等时会自动用NaN或者None填充：

>>> pd.DataFrame([(1, 2), [4, 5], range(3, 6), 'abc'])
   0  1     2
0  1  2  None
1  4  5  None
2  3  4     5
3  a  b     c
>>> pd.DataFrame([(1, 2, 3), [4, 5, 6], range(3, 6), 'ab'])
   0  1    2
0  1  2  3.0
1  4  5  6.0
2  3  4  5.0
3  a  b  NaN

指定index和columns：

>>> pd.DataFrame([(1, 2, 3), [4, 5, 6], range(3, 6), 'abc'], index=range(4), columns=list('ABC'))
   A  B  C
1  1  2  3
2  4  5  6
3  3  4  5
4  a  b  c

3.2，通过numpy矩阵创建DataFrame

np_data = np.random.random((3, 4))
np_data = np.arange(12).reshape(3, 4)
np_data = np.ones((3, 4))
df = pd.DataFrame(np_data)

3.3，通过“一键多值”创建DataFrame

创建dataframe，键是列名：

>>> pd.DataFrame({'a':[1, 2, 3], 'b': [4, 5, 6]})     
   a  b
0  1  4
1  2  5
2  3  6

可以设置index：

>>> pd.DataFrame({'a':[1, 2, 3], 'b': [4, 5, 6]}, index=list('456'))
   a  b
4  1  4
5  2  5
6  3  6

创建df时更改columns会出问题：

>>> pd.DataFrame({'a':[1, 2, 3], 'b': [4, 5, 6]}, columns=list('AB'))
Empty DataFrame
Columns: [A, B]
Index: []

这种创建方法可以看做是按列创建df，需要事先建很多列表，最后一次性赋给df

3.4，通过“字典列表”创建DataFrame

pd.DataFrame([{'a':1 , 'b': 4},  {'a':2 , 'b': 5},  {'a':3 , 'b': 6}]) 
   a  b
0  1  4
1  2  5
2  3  6

这种方法只需要创建一个列表，然后不停往该列表里添加字典即可，推荐！

3.5，df.loc，df.iloc，df.ix等逐行/逐单元格创建DataFrame

事先创建好dataframe，然后用dfdf.loc，df.iloc，df.ix逐行逐单元格增加数据，例如：

df = pd.DataFrame()
for index, item in enumerate(zip('abcde', range(5))):
    df.loc[index, 'A'] = item[0]
    df.loc[index, 'B'] = item[1]

效率非常低，不推荐

4，SettingWithCopyWarning

对DataFrame的弱引用对象进行拷贝进行赋值会触发SettingWithCopyWarning。

通过bool序列筛选拿到的是dataframe的弱引用对象。对弱引用对象进行修改时，不会影响到原来的dataframe。

>>>df = pd.DataFrame(np.arange(16).reshape(4, 4), columns=list('ABCD'))
>>>df1 = df[df['B'] > 2]
>>>df1.is_copy
<weakref at 0x08B5F6C0; to 'DataFrame' at 0x00CC5070>
>>>df1['A'] = 0
SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead
>>>df1  # df1会改变
   A   B   C   D
1  0   5   6   7
2  0   9  10  11
3  0  13  14  15
>>>df  # df不会改变
    A   B   C   D
0   0   1   2   3
1   4   5   6   7
2   8   9  10  11
3  12  13  14  15

df1是df的弱引用拷贝，对df1进行赋值会触发SettingWithCopyWarning。

如果df1 = df.copy()不会触发该警告。

另外，如果是获取一个列，则拿到的是视图，并不是弱引用，对该视图进行的修改会反映到源dataframe：

>>>df = pd.DataFrame(np.arange(12).reshape(3, 4), columns=list('ABCD'))
>>>a = df['A']
>>>a.loc[1] = 55
>>>a
    A  B   C   D
0   0  1   2   3
1  55  5   6   7
2   8  9  10  11