图解Pandas，数据结构介绍 | 图文第1篇

01写在前面

大家好，我是阳哥，欢迎来到「Python数据之道」。

本次是《图解Pandas》系列图文内容的 第 1 篇，主要是对Pandas中数据结构进行介绍。

本文是付费阅读文章，可免费阅读部分内容，隐藏部分主要是可以在电脑端查看的视频，以及源代码分享等。

若觉得内容有价值，可以继续阅读全文。

Pandas 是 Python数据分析中用的最多的工具，可以说是 Python数据分析中的瑞士军刀。

为了大家能够更好地学习 Pandas，阳哥打算制作一系列 《图解Pandas》 的内容。

《图解Pandas》图文专题，大家可以点击下面的图片进行查看。

《图解Pandas》 最主要的目标，是以动态图片、视频等方式呈现，实现从原理步骤拆解 Pandas 在数据处理过程中的主要知识点，以便大家能进一步从底层了解 Pandas 的使用，形象地介绍 Pandas，进而使大家喜欢上 Pandas 这个得心应手的工具。

关于《图解Pandas》的内容框架介绍的，大家可以前往下面的链接了解：

02Python环境

今天主要是对Pandas中数据结构进行介绍。在视频号中发布的视频如下，大家可以前往观看：

开始之前，先介绍下本次内容涉及的Python环境，如下：

• Python 3.8
• Pandas 1.4.1
• numpy 1.19.2

我是在 jupyter notebook 中运行代码的，首先引入相关 Python 库：

import pandas as pd
import numpy as np

在Pandas中，主要包括两种类型的数据，一种是 Series，另一种是 DataFrame，Series 是一维数据，而 DataFrame 是二维数据。

03Series

首先，咱们来了解 Series 数据，先创建数据，代码如左边所示，右边显示的是数据结果：

Series 数据由 索引 和 数据值 组成，可通过 index 属性 和 values 属性分别获取：

04DataFrame

接下来，咱们来了解 DataFrame 数据，中文翻译称之为 数据框，同样的，先创建数据对象:

与 Series数据类似，数据框 包含 索引和数据值。对于索引而言，数据框既有行索引，也有列索引。行索引通过 index属性获取，列索引通过columns 属性获取:

值得注意的是，数据框作为二维数据，由行和列组成，在数据运算时，经常会涉及 轴方向的设置，这里 axis=1 就是沿着红色箭头的方向进行运算，axis=’columns’ 是同样的效果；axis=0 就是沿着白色箭头的方向进行运算，axis=’index’ 是同样的效果。

Series - DataFrame

在Pandas中，这两种数据结构是存在内在关联的。数据框可以看作是由Series组成的，并且这些Series拥有相同的索引。

如图所示，这个数据框可以拆分为三个 Series。

np.random.seed(0)
df = pd.DataFrame(
    np.random.randint(10,size=(5,3)),
    columns=list('abc')
    )
df

上图中，对 DataFrame 按列进行拆分，得到的 3 个 Series分别是 df['a'] 、df['b']、df['c']，以 df['a'] 为例，来查看其数据类型。

类似地，可以按行对 DataFrame 进行拆分，形成 5 个 Series：

大家可以通过设置不同的行索引值（ [0,1,2,3,4] ），来查看其他的 Series 。

本期视频

为了方便大家在电脑上观看视频，在这里上传了与视频号中对应的视频内容：