- 创建序列（Series）
- 创建数据框（Dataframe）
- 查看数据
import numpy as np import pandas as pd s = pd.Series(np.arange(10)) # 以 0~9 的数组生成Series print(s)
输出结果为：
0 0 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 dtype: int32
可以看到Series中的每个元素都加了索引（1,2,3...），dtype:int32表明它的数据类型。
通过字典的方式创建序列
dic1 = {'a': 10, 'b': 20, 'c': 30, 'd': 40, 'e': 50} # 创建字典
s2 = pd.Series(dic1)
print(s2)
输出结果为：
a 10 b 20 c 30 d 40 e 50 dtype: int64
可以看到s2中的每个元素的索引是以a、b、c、d、e命名的，它来自于字典dic1的设置。
创建数据框（Dataframe）Dataframe可以通过直接输入数据的方式进行创建
df = pd.Dataframe({'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8]})
print(df)
输出结果为：
A B 0 1 5 1 2 6 2 3 7 3 4 8查看数据
在机器学习中，很多时候需要训练的数据有成千上万个样本，不可能把所有数据全部展示出来，可以采用Dataframe的head()、tail()函数来查看部分数据。
df1 = pd.read_csv('data/2_apple.csv')
print(df1.head())
这里2_apple.csv的内容是：
year,apple,price,income 1990,12.8,50.1,1606 1991,12.3,71.3,1513 1992,13.1,81,1567 1993,12.9,76.2,1547 1994,13.8,80.3,1646 1995,13.2,91,1657 1996,13.3,90.2,1678 1997,13.6,84.2,1726 1998,13.5,83.7,1714 1999,12.9,77.1,1795 2000,12.9,74.5,1839 2001,12.8,82.8,1844 2002,13.3,92.2,1831 2003,13.7,88.8,1881 2004,13.2,87.2,1883 2005,13.7,88.3,1909 2006,13.6,90.1,1969 2007,13.7,88.7,2015 2008,13.5,87.3,2126 2009,13.9,93.9,2239 2010,13.9,102.6,2335 2011,13.6,100,2403 2012,14,102.3,2486 2013,14.2,111.4,2534 2014,14.8,117.6,2610
输出结果为：
year apple price income 0 1990 12.8 50.1 1606 1 1991 12.3 71.3 1513 2 1992 13.1 81.0 1567 3 1993 12.9 76.2 1547 4 1994 13.8 80.3 1646
显示该数据集的索引
print(df1.index)
输出结果为：
RangeIndex(start=0, stop=25, step=1)
表示索引是从 1~25的数值，步长为1.
显示该数据集的列
print(df1.columns)
输出结果为：
Index(['year', 'apple', 'price', 'income'], dtype='object')
对该数据进行基础的描述性统计分析：
print(df1.describe())
输出结果为：
year apple price income count 25.000000 25.000000 25.000000 25.000000 mean 2002.000000 13.448000 87.712000 1934.120000 std 7.359801 0.533948 13.509574 327.831425 min 1990.000000 12.300000 50.100000 1513.000000 25% 1996.000000 13.100000 81.000000 1678.000000 50% 2002.000000 13.500000 88.300000 1844.000000 75% 2008.000000 13.700000 92.200000 2126.000000 max 2014.000000 14.800000 117.600000 2610.000000
选择数据：
df = pd.Dataframe({'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8]})
print(df['A'])
输出结果为：
0 1 1 2 2 3 3 4 Name: A, dtype: int64
切片选择：
print(df[0:3])
输出结果为：
A B 0 1 5 1 2 6 2 3 7
按行列选择：
print(df.iloc[1:3, 0:2])
输出结果为：
A B 1 2 6 2 3 7
表示选择第2、3行，第1、2列的数据。
处理缺失值
df['C'] = pd.Series([1,2]) # 增加一列 print(df)
输出结果为：
A B C 0 1 5 1.0 1 2 6 2.0 2 3 7 NaN 3 4 8 NaN
使用dropna()函数去掉其值为NaN的行或列
print(df.dropna(how='any')) # any：只要存在NaN即可去掉
输出结果为：
A B C 0 1 5 1.0 1 2 6 2.0
