原标题：《量化分析师的Python日记【第5天：数据处理的瑞士军刀pandas】》
基本数据结构介绍
终于写到了作者最想介绍，同时也是Python在数据处理方面功能最为强大的扩展模块了。
在处理实际的金融数据时，一个条数据通常包含了多种类型的数据，例如，股票的代码是字符串，收盘价是浮点型，而成交量是整型等。
在C++中可以实现为一个给定结构体作为单元的容器，如向量（vector，C++中的特定数据结构）。
在Python中，pandas包含了高级的数据结构Series和DataFrame，使得在Python中处理数据变得非常方便、快速和简单。
pandas不同的版本之间存在一些不兼容性，为此，我们需要清楚使用的是哪一个版本的pandas。现在我们就查看一下Vitu的pandas版本：
pandas主要的两个数据结构是Series和DataFrame，随后两节将介绍如何由其他类型的数据结构得到这两种数据结构，或者自行创建这两种数据结构，我们先导入它们以及相关模块：
Pandas数据结构：Series
从一般意义上来讲，Series可以简单地被认为是一维的数组。
Series和一维数组最主要的区别在于Series类型具有索引（index），可以和另一个编程中常见的数据结构哈希（Hash）联系起来。
2.1 创建Series
创建一个Series的基本格式是s = Series(data, index=index, name=name)，以下给出几个创建Series的例子。
首先我们从数组创建Series：
可以在创建Series时添加index，并可使用Series.index查看具体的index。
需要注意的一点是，当从数组创建Series时，若指定index，那么index长度要和data的长度一致：
创建Series的另一个可选项是name，可指定Series的名称，可用Series.name访问。在随后的DataFrame中，每一列的列名在该列被单独取出来时就成了Series的名称：
Series还可以从字典（dict）创建：
让我们来看看使用字典创建Series时指定index的情形（index长度不必和字典相同）：
我们可以观察到两点：
-
一是字典创建的Series，数据将按index的顺序重新排列；
-
二是index长度可以和字典长度不一致，如果多了的话，pandas将自动为多余的index分配NaN（not a number，pandas中数据缺失的标准记号)，当然index少的话就截取部分的字典内容。
如果数据就是一个单一的变量，如数字4，那么Series将重复这个变量：
2.2 Series数据的访问
访问Series数据可以和数组一样使用下标，也可以像字典一样使用索引，还可以使用一些条件过滤：
Pandas数据结构：DataFrame
在使用DataFrame之前，我们说明一下DataFrame的特性。
DataFrame是将数个Series按列合并而成的二维数据结构，每一列单独取出来是一个Series，这和SQL数据库中取出的数据是很类似的。
所以，按列对一个DataFrame进行处理更为方便，用户在编程时注意培养按列构建数据的思维。
DataFrame的优势在于可以方便地处理不同类型的列，因此，就不要考虑如何对一个全是浮点数的DataFrame求逆之类的问题了，处理这种问题还是把数据存成NumPy的matrix类型比较便利一些。
3.1 创建DataFrame
首先来看如何从字典创建DataFrame。DataFrame是一个二维的数据结构，是多个Series的集合体。我们先创建一个值是Series的字典，并转换为DataFrame：
可以指定所需的行和列，若字典中不含有对应的元素，则置为NaN：
可以使用dataframe.index和dataframe.columns来查看DataFrame的行和列，dataframe.values则以数组的形式返回DataFrame的元素：
DataFrame也可以从值是数组的字典创建，但是各个数组的长度需要相同：
值非数组时，没有这一限制，并且缺失值补成NaN：
在实际处理数据时，有时需要创建一个空的DataFrame，可以这么做：
另一种创建DataFrame的方法十分有用，那就是使用concat函数基于Serie或者DataFrame创建一个DataFrame.
其中的axis=1表示按列进行合并，axis=0表示按行合并，并且，Series都处理成一列，所以这里如果选axis=0的话，将得到一个10×1的DataFrame。下面这个例子展示了如何按行合并DataFrame成一个大的DataFrame：
3.2 DataFrame数据的访问
首先，再次强调一下DataFrame是以列作为操作的基础的，全部操作都想象成先从DataFrame里取一列，再从这个Series取元素即可。
可以用datafrae.column_name选取列，也可以使用dataframe[]操作选取列，我们可以马上发现前一种方法只能选取一列，而后一种方法可以选择多列。
-
若DataFrame没有列名，[]可以使用非负整数，也就是“下标”选取列；
-
若有列名，则必须使用列名选取，另外datafrae.column_name在没有列名的时候是无效的：
以上代码使用了dataframe.columns为DataFrame赋列名，并且我们看到单独取一列出来，其数据结构显示的是Series，取两列及两列以上的结果仍然是DataFrame。访问特定的元素可以如Series一样使用下标或者是索引:
若需要选取行，可以使用dataframe.iloc按下标选取，或者使用dataframe.loc按索引选取：
选取行还可以使用切片的方式或者是布尔类型的向量：
行列组合起来选取数据：
如果不是需要访问特定行列，而只是某个特殊位置的元素的话，dataframe.at和dataframe.iat是最快的方式，它们分别用于使用索引和下标进行访问：
dataframe.ix可以混合使用索引和下标进行访问，唯一需要注意的地方是行列内部需要一致，不可以同时使用索引和标签访问行或者列。
不然的话，将会得到意外的结果：
微信扫一扫 
