pandas的基本数据结构_pandas 拆分dataframe?

Pandas 是 Python 语言的一个扩展程序库，用于数据挖掘和数据分析，同时也提供数据清洗功能。

pandas（panel data & data analysis），是基于 numpy（提供高性能的矩阵运算）专门用于数据分析的工具，是一个强大的分析结构化数据（表格数据）的工具集；

Pandas的操作是基于两种结构： Dataframe结构 和 Series结构

每一列都为Series结构，多个Series组成Dataframe结构
Dataframe 构造方法

pandas.Dataframe( data, index, columns, dtype, copy)

data：数据(array-like 类型：可以是ndarray、series, map, lists, dict 等类型)。
index：行索引，如果不指定行索引—默认给一个0、1、2、3、… 这样的序号行索引。
columns：列索引 ，如果不指定列索引—默认给一个0、1、2、3、… 这样的序号列索引。
dtype：数据类型。
copy：拷贝数据，默认为 False。

以该Dataframe为基准

import pandas as pd
# 创建Dataframe结构
df = pd.Dataframe(
    data=[
        ['zs', 19, 1],
        ['ls', 20, 1],
        ['ww', 19, 2]
    ],
    index=['stu0', 'stu1', 'stu2'],
    columns=['name', 'age', 'group']
)
print('df:n', df)
print('df:n', type(df))
结果：
df:
      name  age  group
stu0   zs   19      1
stu1   ls   20      1
stu2   ww   19      2
df:
 

ndim维度 — Dataframe结构为二维
shape — 形状
size — 数据个数
dtypes ---- 返回每一列的数据类型 ---- 不同的列数类型可以不同
index ---- 返回Dataframe行索引
columns ---- 返回Dataframe列索引
values ----- 返回数据 ， 类型为numpy.ndarray（数组）

print('ndim:', df.ndim)  
print('ndim:', df.ndim)
print('shape:', df.shape)
print('size:', df.size)
# print('dtype:', df.dtype)  # 'Dataframe' object has no attribute 'dtype' 没有该属性
print('dtypes:n', df.dtypes)
print('index:', df.index)
print('columns:', df.columns)
print('values:n', df.values)
print('values:n', type(df.values))

结果：
ndim: 2
shape: (3, 3)
size: 9
dtypes:
 name     object
age       int64
group     int64
dtype: object
index: Index(['stu0', 'stu1', 'stu2'], dtype='object')
columns: Index(['name', 'age', 'group'], dtype='object')
values:
 [['zs' 19 1]
 ['ls' 20 1]
 ['ww' 19 2]]
values:
 

------------------------------------------------------------------------------------------------

一维的数据 ----- 行维度的数据

Series 构造方法

pandas.Series( data, index, dtype, name, copy)

Serise的参数与Dataframe的参数相似：
data：一组数据(array-like 类型)。
index：数据索引标签，不指定默认从 0 开始。可指定array-like 类型需和data长度相同。
dtype：数据类型，默认会自己判断。
name：设置名称（str 类型），相当于Dataframe结构指定多列名称的Columns 变为单列的name。
copy：拷贝数据，默认为 False。

一维的数据 ----- 行维度的数据

以该数组为基准

se = df['name']
print('se:n', se)
print('se:n', type(se))

结果：
se:
 stu0    zs
stu1    ls
stu2    ww
Name: name, dtype: object
se:
 

ndim维度 — Series结构为一维
shape — 形状
size — 数据个数
dtypes和dtype ---- 返回数据类型
index ---- 返回Series行索引
columns ---- 返回Series列索引
values ----- 返回数据 ， 类型为numpy.ndarray（数组）

print('ndim:', se.ndim)
print('shape:', se.shape)
print('size:', se.size)
# print('itemsize:', se.itemsize)  # 当前版本可能还有，但是未来要被删除！
print('dtype:', se.dtype)  #
print('dtypes:', se.dtypes)  # Series只有一列且内部的数据类型都是一样的，所以具有dtype
print('index:', se.index)
print('values:', se.values)
print('values:', type(se.values))
结果：
ndim: 1
shape: (3,)
size: 3
dtype: object
dtypes: object
index: Index(['stu0', 'stu1', 'stu2'], dtype='object')
values: ['zs' 'ls' 'ww']
values: