Pandas中常见的数据访问 | 图解Pandas-图文第4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 04 篇，主要介绍 Pandas 中常见的数据访问 。

本文是付费阅读文章，付费阅读内容包括《图解Pandas》图文干货内容、可以在电脑端观看的视频以及配套的源代码等。

此外，为避免各种不必要的麻烦，微信没有退款机制，付费前请谨慎。

Pandas 是 Python数据分析中用的最多的工具，为了大家能够更好地学习 Pandas，阳哥开始制作一系列 《图解Pandas》 的内容。

《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。

《图解Pandas》图文专题，最新的内容可以点击下面的图片进行查看。

在本文编写时，《图解Pandas》系列已发布的图文如下：

本次主要介绍 Pandas 中常见的数据访问 ，内容框架如下：

在微信视频号「Python数据之道」中发布的对应视频编号为 005，大家可以前往观看：

Python环境

开始之前，按照惯例先介绍下本次内容涉及的Python环境，如下：

• Python 3.8
• Pandas 1.4.1
• numpy 1.22.3

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

print(f'pandas version:{pd.__version__}')
print(f'numpy version:{np.__version__}')

# pandas version:1.4.1
# numpy version:1.22.3

02常见的数据访问

先来创建一个 dataframe，也就是“数据框“。这里通过字典来创建数据框，关于创建数据对象的详细介绍，大家可以观看 「图解Pandas」系列的第2期视频。

创建 dataframe 的代码如下：

d = {
    "name": [ "Lemon", "Jack", "Peter","Emma","James"],
    "city": ["长沙", "上海", "深圳","北京","成都"],
    "math": [80, 90, 60, 73,92],
    "chem": [90, 75, 80,87,83] ,
}
df = pd.DataFrame(d)
df

得到的数据如下：

该数据为 5 行 4 列，前 2 列为字符型数据，后 2 列为数值型数据。

在 Pandas 中，经常需要查看数据的多种信息，pandas 提供了多种途径，这里汇总了比较常见的方式：

需要说明下，这里是以数据框（df）为例来阐述的，对于 Series 上面的大部分访问方式也是适用的。