从本质上来说，Pandas中的对象可以认为是NumPy中的结构化数组的一个增强版本，其中的行和列是以标签来标识的，而不是简单的整数索引。正如我们将在本章的余下内容中所看到的，Pandas在这些数据结构之上提供了许多有用的工具、方法和功能，但是几乎所有这些都建立在对于这些数据机构的理解之上。第一节中将介绍三种基本的Pandas数据结构：Series、DataFrame和Index。

正如导入numpy的标准别名是np一样，导入pandas的标准别名是pd

import numpy as np
import pandas as pd

Pandas Series

Series是一个包含被索引的数据的一维的数组。它可以由如下的列表或者数组创建而成：

data = pd.Series([0.25, 0.5, 0.75, 1.0])
data

从上面的输出我们可以看到，Series包含一组values 序列，以及一组index 序列，我们可以通过values 属性和index 属性来访问。其中，values 是我们所熟悉的NumPy数组：

data.values

而index 是一个类似数组的pd.Index类型对象，我们将在后面讨论其细节。

data.index

和NumPy数组相似，我们可以用Python的方括号表示法（在方括号中输入数据所关联的索引）来访问数据。

data[1]

data[1:3]

下面我们将看到，Pandas Series比它所模拟的一维NumPy数据更加通用和灵活。

将Series视为泛化的NumPy数组

从我们目前所看到的，似乎Series对象基本上跟一个一维NumPy数组是可互相替换的。但其根本的不同在于索引的出现：Numpy数组有一组隐式定义的整型索引用来访问数据，而Pandas Series有一组显式定义的关联到数据值的索引。

这一显式索引为Series对象提供了额外的能力。例如，索引值不一定需要是一个整数，而是可以由任何所需要的类型的值来组成。例如，如果我们愿意的话，我们可以用字符串来作为一个索引。

data = pd.Series([0.25, 0.5, 0.75, 1.0],
                       index=['a', 'b', 'c', 'd'])
data

这里数据访问的结果会如你所想的那样：

data['b']

我们甚至可以使用不连续的或者无序的索引

data = pd.Series([0.25, 0.5, 0.75, 1.0],
                                      index=[2, 5, 3, 7])
data

data[5]

将Series视为特殊化的字典

以这种方式，你可以将Pandas Series理解为一个特殊化的Python字典。字典是一种将特定的键映射到特定的值的数据结构，而Series是将一种类型的键映射到一组某种类型的值上的数据结构。这一类型化是重要的，正如NumPy数据背后基于特定类型编译后的代码使得它比Python列表在某些操作上更为高效，Pandas Series中的类型信息使得它比Python字典在某些操作上更为高效。

通过直接从一个Python字典来创建一个Series对象，可以使得Series与字典类比更为清晰。

population_dict = {'California': 38332521,
               'Texas': 26448193,
               'New York': 19651127,
               'Florida': 19552860,
               'Illinois': 12882135}
population = pd.Series(population_dict)
population

默认情况下，Series将字典的键排序后作为索引来建立。这里，典型的字典型项可以这样访问：

population['California']

与字典不同的是，Series也支持数组式的操作，比如切片。

population['California':'Illinois']

我们将在第X.X节讨论一些Pandas中索引和切片的趣事。

构造Series对象

我们已经从一些例子中了解了一些构造Pandas Series的方法。它们都是下面这个的一种版本，

>>> pd.Series(data, index=index)

其中index是可选的参数，而data可以是许多实体中的一个。

例如，data可以是一个列表或者NumPy数组，其中index默认是一个整数序列

pd.Series([2, 4, 6])

data也可以是一个标量，该标量将会被用以填充所有给定的Index:

pd.Series(5, index=[100, 200, 300])

data可以是一个字典，其中默认的index是排序后的字典键:

pd.Series({2:'a', 1:'b', 3:'c'})

每一种情况中，如果你想要不同的结果，index都是可以显式设定的:

pd.Series({2:'a', 1:'b', 3:'c'}, index=[3, 2])

请注意，这里我们明确指定了将要从所给的字典中包含到Series中的索引值。

Pandas DataFrame

下一个我们要介绍的Pandas基本数据结构是DataFram。与上面提到的Series类似，DataFrame也可以想象成一个NumPy数组的泛化或者是特殊化的Python字典。我们接下来将要讨论这些看法。

将DataFrame视为一个泛化的NumPy数组

如果一个Series像是一个带有灵活索引的一维数组，那么一个DataFrame就像是一个带有灵活的行索引以及灵活的列名的二维数组。正如你可能认为一个二维数组是一个对齐的一维列的有序序列，你可以认为一个DataFrame是一个对齐的Series对象序列。这里，“对齐”我们指的是他们共享相同的索引。

为了展示这一概念，我们先来构造一个新的Series，将之前提到过的五个州的面积列出来。

area_dict = {'California': 423967, 'Texas': 695662, 'New York': 141297, 'Florida': 170312, 'Illinois': 149995}
area = pd.Series(area_dict)
area

现在我们有了这个Series加上之前构造的Series对象“population” ，我们可以用一个字典来构造一个包含这些信息的二维对象：

states = pd.DataFrame({'population': population,
     'area': area})
states

和Series对象类似，DataFrame也有一个index属性，使得我们可以访问到所有的index标签：

states.index

此外，DataFrame还有一个columns属性，这是一个包含了列标签的Index对象

states.columns

由此，DataFrame可以被认为是一个二维NumPy数组的泛化，其中行和列都有泛化的索引可以访问数据。

将DataFrame看做是一个特殊的字典

类似的，我们可以将一个DataFrame看做是一个特殊化的字典。字典将一个键映射到一个值，而DataFrame将一个列的名子映射到一个Series对象的列数据。例如，请求“area”属性将返回我们上面所看到的包含面积的Series对象。

states['area']

这里有一点可能容易令人困惑：在一个二维的NumPy数组中，data[0]将返回第一行。而对于一个DataFrame来说，data[‘col0’]将会返回第一列。正因为如此，我们最好将DataFrame理解为泛化的字典而不是泛化的数组，尽管这两种看法都是可行的。我们将在第X.X节中探索更加灵活的索引DataFrames的方法。

构造DataFrame对象

一个Pandas DataFrame可以通过不同的方法来构造，这里我们将给出几个例子：

从单个Series对象构造

一个DataFrame是一个Series对象的集合，并且一个单列的DataFrame可以由单个Series对象来构造：

pd.DataFrame(population, columns=['population'])

从一个字典列表来构造

任何字典列表都可以构造一个DataFrame。我们将用一个简单的列表来创建一些数据并构造出DataFrame：

data = [{'a': i, 'b': 2 * i}
for i in range(3)]
pd.DataFrame(data)

即使字典中的一些键是缺失的，Pandas也会用NaN（也即“not a number”：不是一个数字）来进行填充：

pd.DataFrame([{'a': 1, 'b': 2}, {'b': 3, 'c': 4}])

从一个包含Series对象的字典来构造

这一方法我们在之前已经看到过了，一个DataFrame也可以从一个Series对象的字典来构造。

pd.DataFrame({'population': population,
'area': area})

从一个二维NumPy数组来构造

给定一个二维数组的数据，我们可以创建一个包含任意指定列和索引名的DataFrame。如果，不指定的话，每列将是使用整型下标索引。

pd.DataFrame(np.random.rand(3, 2),
columns=['foo', 'bar'],
index=['a', 'b', 'c'])

从一个NumPy的结构化数组构造

我们在第X.X节中讲过结构化数组。一个Pandas DataFrame操作起来非常类似一个结构化数据，并且可以直接通过一个结构化数组来构造。

A = np.zeros(3, dtype=[('A', 'i8'), ('B', 'f8')])
A

pd.DataFrame(A)

Pandas Index

上面我们看到了Series和DataFrame都包含了显式的Index使得你可以引用和修改数据。这个Index对象本身是一个有趣的结构，并且它可以被看做是一个不变的数据或者是一个有序的不重复集合。这两种看法对Index对象的可用操作有着很有趣的影响。作为一个简单的例子，让我们从一个整数列表来构造一个Index：

ind = pd.Index([2, 3, 5, 7, 11])
ind

将Index看做不可变数组

Index中很多的操作与数组类似。例如，我们可以用标准的Python下标表示法来获取值或者切片：

ind[1]

ind[::2]

Index对象也有许多在NumPy数组中我们熟知的属性：

print(ind.size, ind.shape, ind.ndim, ind.dtype)

Index对象和NumPy数组的一个不同点是，Index是不可变的，也即通过一般的途径是不能修改的。

ind[1] = 0

这种不可变性使得在多个DataFrame和数组之间共享Index更为安全，将不会有无意的Index修改所造成的潜在副作用。

将Index看做一个有序的集合

Pandas对象被设计成便于如数据集之间的连接等操作，这些操作都依赖于集合运算的许多方面。回想一下，我们在第X.X节中详细介绍过，Python有一个内置的集合对象。Index对象遵循了很多这一内置集合对象的习惯用法，使得并、交、差以及其他组合运算能以熟悉的方法来计算：

indA = pd.Index([1, 3, 5, 7, 9])
indB = pd.Index([2, 3, 5, 7, 11])

indA & indB  # intersection

indA | indB  # union

indA - indB  # difference

indA ^ indB  # symmetric difference

这些操作也可以通过对象的方法来访问，例如indA.intersection(indB)。至于更多关于Python中实现的各种集合操作的信息，请看第X.X节。那里列出的几乎每一种语法，除了修改集合的之外，都能在Index对象上进行操作。

前瞻

上面我们介绍了Series、DataFrame以及Index的基本介绍，它们构成了使用Pandas面向数据进行计算的基础。我们看到了它们与其他Python数据结构之间的异同点，以及它们可以怎样从这些熟悉的对象中创建出来。通读本章的内容之后，我们将对这些数据结构的创建（包括非常有用的从各种文件类型创建它们的接口）以及在这些结构上操作数据的细节做进一步的了解。正如了解如何有效地使用NumPy数组是在Python中高效进行数值计算的基础一样，理解如何有效地使用Pandas数据结构是Python数据科学中所要求的数据整理步骤的基础。