提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

pandas有两种基本对象：Series、DataFrame

---

一、Series特点

• 一个带有名称和索引的一维数组
• Series中包含的数据类型可以是整数、浮点、字符串、列表、元组、ndarray等
• 语法：pd.Series(data=None,index=None,dtype=None,name=None)

二、Series使用步骤

1.Series定义

2.索引和切片

3.series的.get()

series和字典非常类似，我们可以将index看成key，对应值为value
如果在series中找不到要找的值，则返回预设的默认值

4.掩码提取

5.Series运算符和广播方法

Series支持ndarray的运算符、广播方法，包括numpy中的各种运算函数、聚合函数等

6.ufunc在Series对象中使用

三、DataFrame

DataFrame是一个带有索引的二维数据结构，每个列都可以有自己的名字，且可以有不同的数据类型。与Excel中sheet页相似，也可理解为由多个Series拼接而成，共用一个索引。

1.DataFrame创建

语法：pd.DataFrame(data=None,index=None,columns=None,dtype=None)
1、通过数组转化
2、通过字典转化
3、通过嵌套列表转化

• df.index增加或修改行标签
• df.index.name增加或修改行标签名
• df.columns增加或修改列标签
• df.columns.name增加或修改列标签名

2.数据提取

• 根据标签名提取
  
• df.loc[]
  语法：df.loc[索引行，索引列]
  
• df.iloc[]
  隐式索引
  

3.行列增删改

• df.pop()只能删除列，直接在原数据上修改
  

• df.drop()，设置implace=False并没有删除原表记录，而是返回一个新的DataFrame对象，为true时，则之间在原数据上修改
  

4.列顺序修改

修改后返回新的对象，原数据并不变

5.索引和列名修改

• 修改索引名用需要在df.rename()中设置index参数
• 修改列名只需要设置参数columns
  

6.Series.astype()

不改变原数组，返回新的对象

四、DataFrame表合并、连接

1.pd.concat(df1，df2)合并

2.pd.append(df)拼接

3.pd.merge()

pd.merge(‘left’,‘right’,how=‘inner’,on=None,left_on=None,right=None)
how:

• left:仅使用左框架中的键，类似于sql中左外连接，保留关键顺序
• right:仅使用右框架中的键，类似于sql中右外连接，保留关键顺序
• outer:使用来自两个帧的键的并集，类似于sql full outer，按字典顺序排序键
• inner:使用来自两个帧的键的交集，类似于sql内部加入，按左键排序