作者 | CDA数据分析师

之前的文章写了Python的基础知识，从这部分内容开始正式进入到正式的数据分析过程中，主要讲述每个数据分析过程都会用到什么操作，这些操作用Excel是怎样实现的,如果用Python，那么代码又该怎么写。

接下来的几章我们会用到Pandas、NumPy、matplotlib这几个模块，在使用它们之前我们需要先将其导入，导入的方法在Python基础知识部分提到过，一个程序中只需要导入一次即可。

为了引用模块时书写方面，上面的代码中用as分别给这几个模块起了别名。所以在本文中见到pd就是代表Pandas，见到np就是代表NumPy，见到plt就是代表matplotlib . pyplot。

1. Series数据结构
2. Series是什么

Series是一种类似于一位数组的对象，由一组数据及一组与之相关的数据标签（即索引）组成。

上面这样的数据结构就是Series，第一列数字是数据标签，第二列是具体的数据，数据标签与数据是一一对应的，上面的数据用Excel表展示如下表所示：

2、创建一个Series

创建一个Series利用的方法是pd.Series()，通过给Series()方法传入不同的对象即可实现

（1）传入一个列表

传入一个列表的实际如下所示：

如果只是传入一个列表不指定数据标签，那么Series会默认使用从0开始的数做数据标签，上面的0、1、2、3就是默认的数据标签。

（2）指定索引

直接传入一个列表会使用默认索引，也可以通过设置index参数来自定义索引。

（3）传入一个字典

也可以将数据与数据标签以key:value（字典）的形式传入，这样字典的key值就是数据标签，value就是数据值。

3、利用index方法获取Series的索引

获取一组数据的索引是比较常见的需求，直接利用index方法 就可以获取Series的索引值，代码如下图所示：

4、利用values方法获取Series的值

与索引值相对用的就是获取Series的值，使用的方法是values方法。

1. DataFrame表格型数据结构
2. DataFrame是什么

Series是由一组数据与一组索引(行索引)组成的数据结构,而DataFrame是由一组数据与一对索引(行索引和列索引)组成的表格型数据结构。之所以叫表格型数据结构，是因为DataFrame是数据形式和Excel的数据存储形式很相近，接下来的章节围绕DataFrame这种表格型数据结构展开。下面就是一个简单的DataFrame数据结构。

上面这种数据结构和Excel的数据结构很像，既有行索引又有列索引，由行索引和列索引确定唯一值。如果把上面这种结构用Excel表展示如下图所示。

2、创建一个DataFrame

创建DataFrame使用的方法是pd.Dataframe(),通过DataFrame（）的方法传入不同的对象即可实现。

（1）传入一个列表

传入一个列表的实现如下图所示：

只传入一个单一列表时，该列表的值会显示成一列，且行和列都是从0开始的默认索引。

（2）传入一个嵌套列表

当传入一个嵌套列表时，会根据嵌套列表数显示成多列数据，行、列索引同样是从0 开始的默认索引。列表里面嵌套的列表也可以换成元组。

（3）指定行、列索引

如果只给DataFrame（）方法传入列表，DataFrame（）方法的行、列索引都是默认值，则可以通过设置columns参数自定义列索引，设置index参数自定义行索引。

（4）传入一个字典

传入一个字典的实现如下图所示。

直接以字典的形式传入DataFrame时，字典的key值就相当于列索引，这个时候如果没有设置行索引，行索引还是使用从0 开始的默认索引，同样可以使用index参数自定义行索引，代码如下：

3、获取DataFrame的行、列索引

利用columns方法获取DataFrame的列索引。

利用index方法获取DataFrame的行索引。

4、获取DataFrame的值

获取DataFrame的值就是获取DataFrame中的某些行或列，有关行、列的选择会在后面的内容说到。