今天学习的是

1；pandas的另外一个数据类型：DataFrame。

2；以及生成Series和DataFrame

3；pandas的数据类型

DataFrame(data=None, index: 'Axes | None' = None, columns: 'Axes | None' = None, dtype: 'Dtype | None' = None, copy: 'bool | None' = None)

1；data：数据

2；index：行的标签

3；columns: 列的标签。

4；dtype: 输出的类型。

来举几个例子：

import pandas as pdnna = {'col1': [1, 2], 'col2': [3, 4]}nb = pd.DataFrame(a)nprint(b)nna = {'姓名':['张三','李四'],'年龄':[20,25],'身高':[1.73,1.75]}nb=pd.DataFrame(a)nprint(b)nnna = {'姓名':['张三','李四'],'年龄':[20,25],'身高':[1.73,1.75]}nb=pd.DataFrame(a,index=(1,2))nprint(b)n

1；字典的键是行的内容，字典的值是列的内容，一一对应

2；index 可更改标签数值，如果默认则从0开始，可以看第三个例子，标签的个数需要与值的个数一致，否则会报错。

生成Series，Series是一个带有标签的一维数组，这个数组可以由任何类型数据构成，包括整型、浮点、字符、Python对象等。它的轴标签被称为索引，它是Pandas最基础的数据结构。

数据是：列表和元组的情况下：

import pandas as pdna = [1,2,3,4,5,6]nb = pd.Series(a)nprint(b)nnna = (1,2,3,4,5,6)nb = pd.Series(a)nprint(b)

结果都是一样，左边是索引值，右边是值。

数据是：NumPy的ndarray结构：

import pandas as pdnimport numpy as npna = pd.Series(np.random.rand(6),index=[1,2,3,4,5,6])nprint(a)

Numpy 可以轻松地生产一组数组并且给这组随机数标记。

数据是：字典

import pandas as pdnimport numpy as npna = {'张三':18,'李四':20,'王二':25}nb = pd.Series(a)nprint(b)

原数据是字典的标记值就是字典的键，如果要更改标记值就更改index=

生成DataFrame,DataFrame是二维数据结构，数据以行和列的形式排列，表达一定的数据意义。DataFrame的形式类似于CSV、Excel和SQL的结果表，有多个数据列，由多个Series组成。

数据是：字典

import pandas as pdnimport numpy as npna = {'男性':['张三','李四','王二'],'女性':['刘梅','安红','妞妞']}nprint(pd.DataFrame(a))

pandas的数据类型：

常见的3种数据类型：

int64：整数

float64：浮点数

object：文字

Python检查类型用的是type，pandas用的是types