Python 在数据处理上独步天下：代码灵活、开发快速；尤其是 Python 的 Pandas 包，无论是在数据分析领域、还是大数据开发场景，都具有显著的优势。

Series

Series 类似表格中的一个列（column），类似于一维数组，可以保存任何数据类型。
Series 由索引（index）和列组成，函数如下：

pandas.Series(data, index, dtype, name, copy)

参数说明：

• data：一组数据(ndarray 类型)。

• index：数据索引标签，如果不指定，默认从 0 开始。

• dtype：数据类型，默认会自己判断。

• name：设置名称。

• copy：拷贝数据，默认为 False。

创建series对象

# 创建series对象
import pandas as pd
ser_obj = pd.Series([1,2,3,4,5])
print(ser_obj)
'''
0    1
1    2
2    3
3    4
4    5
dtype: int64'''
# 创建series对象指定索引
ser_obj = pd.Series([1,2,3,4,5],index=(['a','b','c','d','e']))
print(ser_obj)
'''
a    1
b    2
c    3
d    4
e    5
dtype: int64
'''

# 通过字典创建series对象
year_data = {2001:17,2002:14,2003:12}
ser_obj2 = pd.Series(year_data)
print(ser_obj2)
'''
2001    17
2002    14
2003    12
dtype: int64
''' 

Series对象的属性

print(ser_obj2.index)
'''
Int64Index([2001, 2002, 2003], dtype='int64')
'''
print(ser_obj2.values)
'''
[17 14 12]
'''
print(ser_obj2[2001])
'''
17
'''

DataFrame

DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。

DataFrame 构造方法如下：

pandas.DataFrame( data, index, columns, dtype, copy)

参数说明：

• data：一组数据(ndarray、series, map, lists, dict 等类型)。

• index：索引值，或者可以称为行标签。

• columns：列标签，默认为 RangeIndex (0, 1, 2, …, n) 。

• dtype：数据类型。

• copy：拷贝数据，默认为 False。

• Pandas DataFrame 是一个二维的数组结构，类似二维数组。

创建DataFrame对象

Pandas的DataFrame类对象可以使用以下构造方法创建：
pandas.DataFrame(data=None,index=None,columns=None,dtype=None,copy=False)

import numpy as np
import pandas as pd
demo_arr = np.array([['a','b','c'],['d','e','f']]) # 创建数组
df_obj = pd.DataFrame(demo_arr) # 基于数组创建DataFrame对象
print(df_obj)
''' 
	0	1	2
0	a	b	c
1	d	e	f
''' 
df_obj = pd.DataFrame(demo_arr,index=['小明','小红'],columns=['No1','No2','No3'])