前言
pandas中包含的数据结构共有三种：
1、Series
2、DataFrame
3、Time-series
其中Series和DataFrame是两种常见的数据结构，Time-series为时间序列，这里暂且不去详细讲解。
一、Series
Series是一维数组,与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近,其区别是：List中的元素可以是不同的数据类型，而Array和Series中则只允许存储相同的数据类型,这样可以更有效的使用内存，提高运算效率，并且series可以运用Ndarray或字典的几乎所有索引操作和函数，融合了字典和ndarray的优点。
1、series索引
Series类型是由一组数据及与之相关的数据索引组成
· 自动索引：不创建系统自动创建索引。
· 自定义索引：自定义索引，创建完自定义索引后，自动索引也在。
Series可以理解是一维带‘标签’数组，它的基本操作类似Ndarray和字典，genuine索引对齐。
2、对象创建
Series(列表/元组/字典/标量/Numpy数组/range等序列, <index=param1>)
不写index会自动创建索引，如果写定指定索引，index可以是列表，numpy数组。
例：
import pandas as pd
a = pd.Series([1, 2, 3], index=range(0, 3))
b = pd.Series(range(5, 10))
3、属性
Series的主要属性包括index和values两部分，values获取数据，底层存储的是numpy数组；index获取索引。
另外，Series还有两个不太重要的属性，series.name和index.name，分别表示series的名字和索引的名字。同时，series还有一些类似于numpy数组的属性，比如dtype和shape等。
例：
import pandas as pd
a = pd.Series([1, 2, 3], index=range(0, 3))
b = pd.Series(range(5, 10))
a.name = 'x_a'
b.name = 'x_b'
a.index.name = 'y_a'
b.index.name = 'y_b'
print(a.values)
print(b.index)
print(a.name)
print(b.index.name)
4、类型选取
series类型的选取类似numpy数组，索引的方式相同，采用[]，numpy中的运算和操作可用于series类型，可以通过自定义索引的列表进行切片也可以通过自动索引进行切片，如果存在自定义索引，则一同被切片。
series类型的操作类似于python字典类型：通过自定义索引访问，保留字in操作，使用get()方法，get(key, default=none)函数返回指定键的值，如果值不再字典中则返回默认值（默认为空），key是要查找的键，default是设置的默认值。
5、Series类型对齐操作
series类型在运算中会自动对齐不同索引的数据，例如：
import pandas as pd
a = pd.Series([1, 2, 3], index=range(0, 3))
b = pd.Series(range(5, 10))
print(a + b)
6、数据的获取、修改、删除
① 数据的获取
由于具备numpy数组和字典的特性，series可以像使用numpy数组的索引切片或用字典的get一样来用，例如：
import pandas as pd
a = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
print(a[1])
print(a['a'])
print(a.get('c'))
② 数据的修改
对于series结构一般采用索引和切片的方式修改数据，例如：
import pandas as pd
a = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
a['a'] = 10
a['b':'c'] = 100
print(a)
a['a', 'c'] = 7
print(a)
'''
其中，使用“:”切片时，是修改从index1-index2的所有数据；
使用“,"时，是将index1和index2单独取出来进行修改。
'''
③ 数据的删除
可使用drop方法和pop方法删除数据。使用drop方法则结果改变，使用pop方法则像字典的用法，改变自身。
例如：
import pandas as pd
a = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
print(a.drop('a'))
print(a.drop(['b', 'd']))
b = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
print(b.pop('a')) # 返回操作状态，成功为True
print(b)
二、DataFrame
DataFrame类型由公用相同索引的一组序列组成，是一个表格型的数据类型,每列值类型可以不同。DataFrame即有行索引也有列索引：Index axis = 0（默认）、Column axis = 1（默认）。
DataFrame常用于表达二维数据，但可以表达多维数据，基本操作类似于Series，依据行列索引。
1、DataFrame的创建
① 从内存中创建
DataFrame(字典/列表/numpy数组/DataFrame, index=0, columns=1)
说明：在创建的时候也可以不指定index和columns，在创建完后单独设置这两个属性。
参数：
- 字典 - key作为列名，value作为该列的值。
- 列表 - 作为值
- Numpy数组 - 作为值
例：
import pandas as pd
# 说明：数组也可以使用numpy生成，这里只演示手动输入数组
a = pd.DataFrame([
[1, 2],
[3, 4]
])
print(a)
b = pd.DataFrame([
[1, 2],
[3, 4]
], index=['a', 'b'], columns=['x', 'y'])
print(b)
c = pd.DataFrame([
[1, 2],
[3, 4]
])
c.index = ['c', 'd']
c.columns = ['z', 'w']
print(c)
② 从文件中创建
DataFrame可以从文件中创建：文件第一行默认作为列索引（columns），默认为没有行索引，可以通过indx_dol参数设置第1列或前几行作为行索引。如果第一行不作为列索引，设置 header=None 。文件编码为utf-8，可以通过参数encoding设置编码。
例如：
pd.read_table(filename, sep='\t') # 从限定分隔符的文本文件导入数据，默认是tab
pd.read_csv(filename) # 从CSV文件导入数据, 文件是逗号分隔
pd.read_excel(filename) # 从Excel文件导入数据
pd.read_sql(query, connection_object) # 从SQL表/库导入数据
pd.read_json(json_string) # 从json格式字符串导入数据
pd.read_html(url) # 解析url、字符串或者html文件，抽取其中的tables表格
pd.read_clipboard() # 从你的粘贴板获取内容，传给read_table()同时注意，从文件读取的时候可以可以带行索引，用 index_col=num ，例如：a = pd.read_csv('filename', encoding='utf-8', index_col=0)。若不把第一行作为列索引（有些情况下文件中全部都是数据没有存储索引）则可以这样编写代码：a = pd.read_csv('filename', header=None)。若想查看DataFrame的信息，可以使用info方法，如图：
2、DataFrame数据写入文件
df.to_csv(filename) # 导出数据到CSV文件
df.to_excel(filename) # 导出数据到Excel文件
df.to_sql(table_name, connection_object) # 导出数据到SQL表
df.to_json(filename) # 以Json格式导出数据到文本文件若将行索引和列索引写入文件，则df.to_csv(filename)后面不带任何参数；若行索引不写入，则df.to_csv(filename, index=False)；若行列索引都不写入，则df.to_csv(filename, index=False, header=False)
3、DataFrame的属性
values表示值，index表示行索引，columns表示列索引，index.name表示行索引名字，columns.name表示列索引名字，其他属性：dtypes，shape等，DataFrame同样拥有类似于numpy数组的大部分属性。
例：
import pandas as pd
a = pd.DataFrame([
[1, 2],
[3, 4]
], index=['n', 'm'], columns=['x', 'y'])
print(b)
print(a.values)
print(a.columns)
print(a.index)
print(a.columns.name)
print(a.index.name)
print(a.shape)
4、DataFrame中的函数和方法
4.1 取值和修改（索引，切片，ix，loc，iloc）
DataFrame的取值和修改应该从三个层次考虑：行列，区域，单元格。每个层次都有其对应的方法：行列df[]、df.ix，区域df.ix[]，单元格df.ix，其中ix官方推荐使用iloc和loc代替，loc和iloc的用法和ix基本一样，只是loc参数用手动索引，iloc用自动索引，ix为混用。
4.2 其他函数
查看数据：
df.head(n) # 查看前n行
df.tail(n) # 查看后n行
df.shape # 查看行数和列数
df.info() # 查看索引、数据类型和内存信息
df.describe() # 查看数值型列的汇总统计
df.apply(def_name) # 把df应用于某个函数
# s.value_counts(dropna=False) # 查看Series对象的唯一值和计数清洗数据：
df.columns = [...] # 重命名列名
df.index = [...]
df.isnull() # 检查DataFrame对象中的空值，并返回一个Boolean数组
df.notnull() # 检查DataFrame对象中的非空值，并返回一个Boolean数组
df.dropna() # 删除所有包含空值的行
df.dropna(axis=1) # 删除所有包含空值的列
df.fillna(x) # 用x替换DataFrame对象中所有的空值
df.set_index('column_one') # 更改索引列
df.dropna(axis=1, thresh=n) # 删除所有小于n个非空值的列
df.rename(columns=lambda x: x + '1') # 批量更改列名
df.rename(columns={'old_name': 'new_ name'}) # 选择性更改列名
df.rename(index=lambda x: x + 1) # 批量重命名索引数据规整：
df[df[col] > 0.5] # 选择col列的值大于0.5的行
df.sort_values(col1) # 按照列col1排序数据， 默认升序排列
df.sort_values(col2, ascending=False) # 按照列col1降序排列数据
df.sort_values([col1, col2], ascending=[True, False]) # 先按列col1升序排列，后按col2降序排列数据
df.groupby(col) # 返回一个按列col进行分组的Groupby对象
df.groupby([col1, col2]) # 返回一个按多列进行分组的Groupby对象
df.groupby(col1).agg(np.mean) # 返回按列col1分组的所有列的均值
df.groupby(col1).sum() # 返回按列col1分组的所有列的和
df.groupby(col1).mean()[col2] # 返回按列col1进行分组后，列col2的均值
data.apply(np.mean) # 对DataFrame中的每一列应用函数np.mean
data.apply(np.max, axis=1) # 对DataFrame中的每一行应用函数np.max
# 创建一个按列col1进行分组，并计算col2和col3各自均值的数据透视表
df.pivot_table(index=col1, values=[col2, col3], aggfunc=np.mean)
pd.crosstab(df.col1, df.col2) # 按照指定的行(col1)和列(col2)统计分组频数数据合并：
df1.append(df2) # 将df2中的行添加到df1的尾部
pd.concat([df1, df2], axis=0) # 将df2中的行添加到df1的底部(axis=1的时候将df2的列添加到df1的尾部)数据统计：
df.describe() # 查看数据值列的汇总统计
df.mean() # 返回所有列的均值
df.corr() # 返回列与列之间的相关系数
df.count() # 返回每一列中的非空值的个数
df.max() # 返回每一列的最大值
df.min() # 返回每一列的最小值
df.median() # 返回每一列的中位数
df.std() # 返回每一列的标准差
