一、 创建对象

可以通过 数据结构入门 来查看有关该节内容的详细信息。

1、可以通过传递一个list对象来创建一个Series，pandas 会默认创建整型索引：

  1. In [4]: s = pd.Series([1,3,5,np.nan,6,8])
  3. In [5]: s
  4. Out[5]: 
  5. 0    1.0
  6. 1    3.0
  7. 2    5.0
  8. 3    NaN
  9. 4    6.0
  10. 5    8.0
  11. dtype: float64

2、通过传递一个 numpyarray，时间索引以及列标签来创建一个DataFrame：

  1. In [6]: dates = pd.date_range('20130101', periods=6)
  3. In [7]: dates
  4. Out[7]: 
  5. DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',
  6.                '2013-01-05', '2013-01-06'],
  7.               dtype='datetime64[ns]', freq='D')
  9. In [8]: df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))
  11. In [9]: df
  12. Out[9]: 
  13.                    A         B         C         D
  14. 2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
  15. 2013-01-02  1.212112 -0.173215  0.119209 -1.044236
  16. 2013-01-03 -0.861849 -2.104569 -0.494929  1.071804
  17. 2013-01-04  0.721555 -0.706771 -1.039575  0.271860
  18. 2013-01-05 -0.424972  0.567020  0.276232 -1.087401
  19. 2013-01-06 -0.673690  0.113648 -1.478427  0.524988

3、通过传递一个能够被转换成类似序列结构的字典对象来创建一个DataFrame：

  1. In [10]: df2 = pd.DataFrame({ 'A' : 1.,
  2.    ....:                      'B' : pd.Timestamp('20130102'),
  3.    ....:                      'C' : pd.Series(1,index=list(range(4)),dtype='float32'),
  4.    ....:                      'D' : np.array([3] * 4,dtype='int32'),
  5.    ....:                      'E' : pd.Categorical(["test","train","test","train"]),
  6.    ....:                      'F' : 'foo' })
  7.    ....: 
  9. In [11]: df2
  10. Out[11]: 
  11.      A          B    C  D      E    F
  12. 0  1.0 2013-01-02  1.0  3   test  foo
  13. 1  1.0 2013-01-02  1.0  3  train  foo
  14. 2  1.0 2013-01-02  1.0  3   test  foo
  15. 3  1.0 2013-01-02  1.0  3  train  foo

4、查看不同列的数据类型：

  1. In [12]: df2.dtypes
  2. Out[12]: 
  3. A           float64
  4. B    datetime64[ns]
  5. C           float32
  6. D             int32
  7. E          category
  8. F            object
  9. dtype: object

5、如果你使用的是 IPython，使用 Tab 自动补全功能会自动识别所有的属性以及自定义的列，下图中是所有能够被自动识别的属性的一个子集：

  1. In [13]: df2.<TAB>
  2. df2.A                  df2.boxplot
  3. df2.abs                df2.C
  4. df2.add                df2.clip
  5. df2.add_prefix         df2.clip_lower
  6. df2.add_suffix         df2.clip_upper
  7. df2.align              df2.columns
  8. df2.all                df2.combine
  9. df2.any                df2.combineAdd
  10. df2.append             df2.combine_first
  11. df2.apply              df2.combineMult
  12. df2.applymap           df2.compound
  13. df2.as_blocks          df2.consolidate
  14. df2.asfreq             df2.convert_objects
  15. df2.as_matrix          df2.copy
  16. df2.astype             df2.corr
  17. df2.at                 df2.corrwith
  18. df2.at_time            df2.count
  19. df2.axes               df2.cov
  20. df2.B                  df2.cummax
  21. df2.between_time       df2.cummin
  22. df2.bfill              df2.cumprod
  23. df2.blocks             df2.cumsum
  24. df2.bool               df2.D