数据分析Pandas专栏---第二章＜Pandas四个关键词＞

正文:

在Pandas中，有三个重要的概念：字段（Columns）、索引（Index）、行（row）和序列（Series）。让我们来看看它们之间的区别：

字段（Columns）：

字段是DataFrame中的列，表示数据框中的不同变量或特征。每个字段都有一个名称，可以通过字段名称访问和操作数据。

示例：

import pandas as pd
 
data = {'Name': ['John', 'Emma', 'Mike'],
        'Age': [25, 28, 30],
        'City': ['New York', 'London', 'Sydney']}
 
df = pd.DataFrame(data)
print(df)

输出：

   Name  Age      City
0   John   25  New York
1   Emma   28    London
2   Mike   30    Sydney

在这个示例中，'Name'、'Age'和'City'是DataFrame中的三个字段。

索引（Index）：

索引是Pandas中用于标识和访问数据的标签。它允许我们按行访问和操作DataFrame中的数据。索引可以是整数、日期时间、标签等。每个DataFrame都有一个默认的整数索引，可以自定义或重置索引。

import pandas as pd
 
data = {'Name': ['John', 'Emma', 'Mike'],
        'Age': [25, 28, 30],
        'City': ['New York', 'London', 'Sydney']}
 
df = pd.DataFrame(data)
print(df.index)

输出：

RangeIndex(start=0, stop=3, step=1)

在这个示例中，索引是一个RangeIndex对象，它表示行索引范围从0到2（共3行）。

行（row）：

行是DataFrame中的每个记录或观察值。每一行都通过索引进行标识。行提供了对数据的行维度的标识和访问功能。我们可以按行访问和操作DataFrame中的数据。

示例：

import pandas as pd
 
 
data = {'Name': ['John', 'Emma', 'Mike'],
'Age': [25, 28, 30],
'City': ['New York', 'London', 'Sydney']}
 
 
df = pd.DataFrame(data)
row = df.iloc[0]
print(row)

输出：

Name          John
Age             25
City      New York
Name: 0, dtype: object

在这个示例中，以索引0标识的行是以Series的形式表示的。通过使用iloc方法，我们可以按照索引的位置访问和操作特定行的数据。

序列（Series）：

序列是Pandas中的一维数据结构，可以看作是带有标签索引的数组。它是由单个字段以及它们对应的索引组成。在内部，每个列都是一个序列。序列可以独立存在，也可以作为DataFrame中的一部分。

import pandas as pd
 
data = {'Name': ['John', 'Emma', 'Mike'],
        'Age': [25, 28, 30],
        'City': ['New York', 'London', 'Sydney']}
 
df = pd.DataFrame(data)
name_series = df['Name']
print(name_series)

输出：

0    John
1    Emma
2    Mike
Name: Name, dtype: object

在这个示例中，'Name'列是一个序列，它具有对应的索引，并被赋予了名称'Name'。

总结

1. 字段（Columns）是DataFrame对象中的列，提供了对数据列维度的标识和访问功能。
2. 索引（Index）提供了对DataFrame中数据行的标签访问功能。
3. 行（row）表示DataFrame中每个记录或观察值，提供了对数据行维度的标识和访问功能。
4. 序列（Series）是DataFrame中每个字段的子集，是具有标签索引的一维数据结构。