3.Pandas基础知识

注：本教程使用 pandas 2.1.1版本作为示例，不同版本有一些方法可能存在不同，检查pandas版本：

import pandas
print(pandas.__version__)

3.1 pandas 数据结构

Series
Series 是Pandas库中的一维数据结构，类似于Python中的列表和Numpy中的Ndarray对象。在具体实践中，我们往往视Series为一列数据。Series可以保存任何类型的数据，如整数、浮点数、字符串、Python对象等。如下图所示：
- 左边红色框中是Series的索引（标签），称为index，可以理解为这个Series列数据中，某一行代表的意义；
- 右边蓝色框是Series的值，可见里面的数据类型可以是各种。
  注意：索引只是起到定位，解释数据的作用，而Series的值才是真正存储的数据。如果没有索引，一般会默认从0开始生成整数索引。
  
  Series的索引可以通过 Series.index 属性获取，而Series对应的值可以通过 Series.loc[index名] 或者 Series.iloc[数字]方法获取。
DataFrame
DataFrame 是Pandas库中的 二维数据结构 ，类似于Excel表格，可以保存多种数据类型。如下图所示：

DataFrame的索引包括：红框中所示行索引（index）和绿框中所示列索引（columns），行索引和列索引都是标签。蓝色框中才是DataFrame的数据，可见里面的数据类型可以是各种类型。
- DataFrame的行索引同样可以通过 DataFrame.index 属性获取，
  行数据通过 DataFrame.loc[行索引名] 和 DataFrame.iloc[行序号] 方法获取：
- DataFrame的列名可以通过 DataFrame.columns 属性获取，
  列数据可以通过 DataFrame[列名] 或者 DataFrame.列名
  或者 DataFrame.loc[: , 列名] 或者 DataFrame.iloc[: , 列序号] 方法获取：
Index

Index 是 pandas 中的索引对象，上面在介绍 Series 和 DataFrame 时，已经多次提到了索引对象。

它是一种特殊的序列，用于标记数据集中的行(index)和列(columns)。在没有特别指定的情况下，一般都是默认从 0 开始取整数序号。

常见的 Index 类型有如下几种，不用全部掌握，遇到不会的只需要去查官方文档即可：
- RangeIndex：
  单调整数范围的索引
  官方文档：RangeIndex
  pd.RangeIndex(-10, 10, 2)
- Int64Index：
  整数索引
  注意，这个方法可能会在未来被舍弃，应尽量使用 pandas.Index 方法代替：
  pd.RangeIndex(-10, 10, 2)
  使用 pandas.Index 替代：
  pd.Index([-1, -2, 3, 4], dtype='int64')
- UInt64Index：
  非负数整数索引
  注意，这个方法可能会在未来被舍弃，应尽量使用 pandas.Index 方法代替：
  pd.UInt64Index([1,2,3,4])
  使用 pandas.Index 替代：
  pd.Index([1, 2, 3, 4], dtype='uint64')
- Float64Index：
  浮点数索引
  注意，这个方法可能会在未来被舍弃，应尽量使用 pandas.Index 方法代替：
  pd.Float64Index([1.0,2.0,3.0,4.0])
  使用 pandas.Index 替代：
  pd.Index([1.0, 2.0, 3.0, 4.0], dtype='float64')
- MultiIndex：
  多个层次且有归属关系的索引。
  官方文档：MultiIndex
  arrays = [[1, 1, 2, 2], ['red', 'blue', 'red', 'blue']]
  pd.MultiIndex.from_arrays(arrays, names=('number', 'color'))
- CategoricalIndex：
  类别索引，可以理解为其他语言中的枚举类型。
  官方文档：CategoricalIndex
  pd.CategoricalIndex(["a", "b", "c", "a", "b", "c"])
- IntervalIndex
  官方文档：IntervalIndex
  间隔索引，代表数值or时间的区间，一般应用于分箱(桶)数据。
  pd.IntervalIndex.from_arrays([1, 3, 5], [4, 6, 8])
- DatetimeIndex
  时间索引，标注时序数据的时间，时序数据是算是一种较为特殊的数据吧，因为要求数据带有时间戳，比如股票的数据；所以这个时间索引基本上也就在处理这种数据的时候用到。
  官方文档：DatetimeIndex
  pd.DatetimeIndex(["1/1/2020 10:00:00+00:00",
  "2/1/2020 11:00:00+00:00"])
- TimedeltaIndex
  时间差索引，时间长度的数据。
  官方文档：TimedeltaIndex
  
  不太常用，可以自行参考官方文档。
- PeriodIndex
  周期索引，表示一定周期的时间点。
  官方文档：PeriodIndex
  
  不太常用，可以自行参考官方文档。

3.2 pandas 数据类型

在Pandas中，存储的数据支持的数据类型主要有以下几种：

名称	释义	例子
浮点数（float）	用于存储浮点实数。	1.0、2.234、3.4E-6
整数（int）	用于存储整数。	1、2、3、4
布尔值（bool）	用于存储真假值。	True、False
时间和日期类型（timedelta[ns], datetime64[ns]）	用于存储时间间隔和日期时间。	2019-01-01 12:00:00
字符串（object）	pandas用object存储字符串。当一列中含多种类型的数据时，该列的数据类型通常为object。	‘hello’、’world’
复合数据类型（object）	pandas也用object存储复杂的数据结构，如（list, dict, tuple）。	[1, 2, 3]、{‘a’: 1, ‘b’: 2}、(1, 2, 3)