Numpy存字符串

# -*- coding: utf-8 -*-
import numpy as np

student = np.dtype({'names':['name', 'age', 'weight'], 'formats': ['S32', 'i', 'f']}, align = True)
a = np.array([("Zhang", 32, 65.5), ("Wang", 24, 55.2)], dtype = student)
a
Out[48]: 
array([(b'Zhang', 32,  65.5       ), (b'Wang', 24,  55.20000076)],
      dtype={'names':['name','age','weight'], 'formats':['S32','<i4','<f4'], 'offsets':[0,32,36], 'itemsize':40, 'aligned':True})

DataFrame

一个Datarame表示一个表格，类似电子表格的数据结构，包含一个经过排序的列表集，它们没一个都可以有不同的类型值（数字，字符串，布尔等等）。Datarame有行和列的索引；它可以被看作是一个Series的字典（每个Series共享一个索引）。与其它你以前使用过的（如R 的data.frame )类似Datarame的结构相比，在DataFrame里的面向行和面向列的操作大致是对称的。在底层，数据是作为一个或多个二维数组存储的，而不是列表，字典，或其它一维的数组集合。

因为DataFrame在内部把数据存储为一个二维数组的格式，因此你可以采用分层索引以表格格式来表示高维的数据。分层索引是pandas中许多更先进的数据处理功能的关键因素。

构建DataFrame

字典或NumPy数组

最常用的一个是用一个相等长度列表的字典或NumPy数组：

import pandas as pd

data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'],
        'year': [2000, 2001, 2002, 2001, 2002],
        'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
frame = DataFrame(data)

frame[‘next'] = 0 # 增加一列next，默认值为0

frame.to_csv("C:\mytest.csv")

 

参考：http://blog.csdn.net/pipisorry/article/details/18010307