学习 Pandas 库：Series 与 DataFrame 核心操作指南
目录
一、Series：一维数据结构
1. 创建 Series
2. Series 的属性
3. Series 的查询操作
4. Series 的修改与删除
5. 重置索引
二、DataFrame：二维数据结构
1. 创建 DataFrame
2. DataFrame 的属性
3. DataFrame 的查询操作
（1）直接访问
（2）loc 方法（标签索引）
（3）iloc 方法（位置索引）
4. DataFrame 的修改操作
（1）修改行列名
（2）增加行列
（3）值替换
（4）排序
5. DataFrame 的删除操作
Pandas 是 Python 中用于数据处理和分析的重要库，它提供了两种核心数据结构：Series 和 DataFrame。本文将基于实际代码示例，详细介绍这两种数据结构的创建与常用操作。
一、Series：一维数据结构
Series 可以看作是竖起来的列表，它由一组数据和对应的索引组成。
1. 创建 Series
创建 Series 的基本方式有两种：使用列表创建和使用字典创建。
import pandas as pd# 1. 使用列表创建，默认索引为0,1,2...
s_1 = pd.Series([1,2,3,4,5])# 2. 自定义索引
s_2 = pd.Series([1,2,3,4,5], index=['a', 'b', 'c', 'd', 'e'])# 3. 使用字典创建（字典的键会成为索引）
dic_1 = {"name1": "Peter", "name2":"tim", "name3":"rose"}
s_4 = pd.Series(dic_1)
2. Series 的属性
每个 Series 都有几个重要属性：
# 获取索引
s_1.index# 获取值（返回numpy数组）
s_1.values
3. Series 的查询操作
Series 的查询主要有两种方式：通过标签访问和通过位置索引访问。
# 通过标签访问
print(s_1['d']) # 访问单个元素
print(s_1['a':'d']) # 访问切片（包含结束标签）
print(s_1[['a', 'd']]) # 访问多个不连续元素# 通过位置索引访问
print(s_2[2]) # 访问单个元素
print(s_2[0:2]) # 访问切片（不包含结束位置）
print(s_2[[0, 2]]) # 访问多个不连续元素
4. Series 的修改与删除
# 修改元素
s_2[0] = 'Peter'# 删除元素（返回新的Series，不修改原对象）
s_1 = s_1.drop('a')# 检查值是否存在
print('jim' != s_2.values)
5. 重置索引
s_4.index = range(0, len(s_4)) # 将索引重置为0,1,2...
二、DataFrame：二维数据结构
DataFrame 可以看作是 Excel 表格，由多个 Series 按列拼接而成，包含行索引和列名。
1. 创建 DataFrame
import pandas as pd# 从字典创建
df_1 = pd.DataFrame({'age':[10,11,12],'name':['tim', 'tom', 'rose'],'income':[100,200,300]
}, index=['person1', 'person2', 'person3']) # 自定义行索引
2. DataFrame 的属性
# 获取行索引
df_1.index# 获取列名
df_1.columns# 获取值（返回二维numpy数组）
df_1.values
3. DataFrame 的查询操作
DataFrame 提供了多种查询方式，常用的有三种：
（1）直接访问
# 访问某列
print(df.name)
print(df['name'])# 访问某些列
print(df[['age', 'name']])# 访问行（切片方式）
print(df[0:2])
（2）loc 方法（标签索引）
# 访问某个值
print(df.loc['person1', 'name'])# 访问某列
print(df.loc[:,'B'])# 访问某些列
print(df.loc['20180103':,['B', 'D']])# 访问某行
print(df.loc['20180101', :])# 访问某些行
print(df.loc['20180103':,:])
（3）iloc 方法（位置索引）
# 获取某个数据
print(df.iloc[1,2])# 获取某列
print(df.iloc[:,2])# 获取某几列
print(df.iloc[:,[1,3]])# 获取某行
print(df.iloc[1,:])# 获取某些行
print(df.iloc[[1,2,4],:])
4. DataFrame 的修改操作
（1）修改行列名
# 修改列名
df.columns = range(0, len(df.columns))# 修改行名
df.index = range(0, len(df.index))
（2）增加行列
# 增加一列
df['pay'] = [20, 30, 40]# 增加一行
df.loc['person4', ['age', 'name', 'income']] = [20, 'kitty', 200]
（3）值替换
# 替换性别列的值
df['gender'] = df['gender'].replace(['m', 'f'], ['male', 'female'])
（4）排序
# 按年龄升序排序
df = df.sort_values(by=['age'])# 按年龄降序排序
df = df.sort_values(by=['age'], ascending=False)
5. DataFrame 的删除操作
# 删除列（直接在原数据上操作）
del df['age']# 删除列（返回新数据，不修改原数据）
data = df.drop('name', axis=1, inplace=False)# 删除行（在原数据上操作）
df.drop('person3', axis=0, inplace=True)