pandas 数据结构和数据类型
pandas是基于NumPy构建的模块，是数据分析必不可少的包之一，通常情况下，引入pandas的约定，只要在代码中看到pd，就要联想到pandas：
import pandas as pd
pandas包含两种最主要数据结构：序列（Series）和数据框（DataFrame）。对于这两个数据结构，有两个最基本的概念：轴（Axis）和标签（Label），对于二维数据结构，轴是指行和列，轴标签是指行的索引和列的名称，存储轴标签的数据结构是Index结构。
对于这两个数据结构，还有一个特性：数据对齐是天生存在的，轴和标签之间的连接是内在的，不会被破坏，除非有意为之。这意味着，每行都有一个索引，通过索引可以定位到该行；每列都有一个列名，通过列名可以定位到该列；通过行索引和列名称，可以唯一定位到一个唯一的数据点（cell）的数据值。
一，数据框的数据结构
数据框（DataFrame）存储的是二维数据，数据框的结构由row和column构成，每一行都有一个row label，每一列都有一个column label，把row和column称作axis，把row label和column label称作axis label。通常情况下，column label 是文本类型，是列名称（column name），而row label是数值类型，也称作行索引（row index）。
从DataFrame的结构图中可以看出，DataFrame结构由二部分构成：深色的区域叫做Axis Label（轴标签），浅灰色的区域是data，对于Axis，左侧的轴称作index、上方的轴称作columns，而轴的结构实际上是一个Index类型。
import pandas as pd In [2]: df = pd.DataFrame({ ...: "Name": ["Braund", ...: "Allen", ...: "Bonnell"], ...: "Age": [22, 35, 58], ...: "Sex": ["male", "male", "female"]} ...: ) ...: In [3]: df Out[3]: Name Age Sex 0 Braund 22 male 1 Allen 35 male 2 Bonnell 58 female
该数据框（DataFrame） 有三行三列，行索引分别是0、1、2，列名称分别是Name、Age和Sex。每一列的数据类型是相同的，对于Name和Sex列，它们的数据类型是文本，而Age列的数据类型是整数型。
二，序列的数据结构
序列（Series）是一维结构，DataFrame的每一列都是一个序列（Series），序列结构只有行索引（row index），没有列名称（column name），但是序列有Name、dtype和index属性，其中Name属性是指序列的名称，dtype属性是指序列值的类型，index属性是序列的索引。序列存储的数据的数据类型是相同的。
从序列的结构图中，可以看出，实际上，序列包含数据（data）和索引（index）。左侧是索引，右侧是数据。
从DataFrame中选择Age列，这是一个Series结构，
In [4]: df["Age"] Out[4]: 0 22 1 35 2 58 Name: Age, dtype: int64
序列是由一组数据（各种NumPy数据类型），以及一组与之相关的行标签（索引）组成，序列要求数据类型是相同的。
当然也可以创建一个新的序列，通过以下函数来创建一个新的序列：序列可以看作是一维数组：由于没有显式为Series指定索引，pandas会自动创建一个从0到length(Series)-1的整数型索引。
>>> cat=pd.Series(data=['a','b'],name='Category') >>> cat 0 a 1 b Name: Category, dtype: object
可以使用函数pandas.Series.rename() 来修改序列的name。
三，序列和数据框之间的关系
序列和数据框之间的关系是：数据框的每一列都是一个序列，数据框的每一行都是一个序列。
数据框（DataFrame）是二维的数据结构，由一组有序的列构成，每列的数据类型是相同的，列与列之间的数据类型可以不相同。数据框的结构是行和列，每一列都有列名（或叫做列索引、列标签），每一行都有行索引，行索引通常是正整数，也可以是文本类型。
序列和数据框之间是密切关联的，当访问DataFrame的一行时，pandas自动把该行转换为序列；当访问DataFrame的一列时，Pandas也自动把该列转换为序列。
四，轴标签，也称作索引
存储轴标签的数据结构是Index，对于数据框，行标签（即行索引）和列名称（即列索引）是由Index对象存储的；对于序列，行索引是由Index对象存储的。索引对象是不可修改的，类似一个固定大小的数组。
对于索引，还可以通过序号来访问，序号是自动生成的，从0开始。
轴标签的最重要的作用是：
- 唯一标识数据，用于定位数据
- 用于数据对齐
- 获取和设置数据集的子集。
数据框和序列对象都有一个属性index，用于获取行标签，对于数据框，还有一个columns属性，用于获取列标签：
>>> df.index RangeIndex(start=0, stop=3, step=1) >>>df.columns Index(['Name', 'Age', 'Sex'], dtype='object')
Series和DataFrame可以看作一个字典结构：索引是Key，数据值是Value，通过索引结构来唯一标识数据值。
五，数据类型
在大多数情况下，pandas使用NumPy的数组和dtypes作为序列和数据框中列的数据类型，NumPy支持的数据类型是float、int、bool、timedelta64[ns]。pandas扩展了NumPy的类型系统，用dtype属性来显示元素的数据类型，pandas主要有以下几种dtype：
- 字符串类型：object
- 整数类型：Int64，Int32，Int16, Int8
- 无符号整数：UInt64，UInt32，UInt16, UInt8
- 浮点数类型：float64，float32
- 日期和时间类型：datetime64[ns]、datetime64[ns, tz]、timedelta[ns]
- 布尔类型：bool
1，查看变量的类型
查看变量的数据类型，使用type(var)函数
type(obj)
2，特殊的objct类型
通常情况下，使用object表示字符类型；
>>> pd.Series(['a', 'b', 'c'], dtype="object") 0 a 1 b 2 c dtype: object
对于object类型，如果一个pandas对象在单列中包括多个dtype，那么使用object来容纳所有的dtype。
# string data forces an ``object`` dtype In [333]: pd.Series([1, 2, 3, 6., 'foo']) Out[333]: 0 1 1 2 2 3 3 6 4 foo dtype: object
3，数值类型
pandas中的整数类型和浮点数类型可以为空（NULL），在定义数据组或序列时，使用dtype参数来定义整数类型：
arr = pd.array([1, 2, np.nan], dtype=pd.Int64Dtype()) pd.array([1, 2, np.nan], dtype="Int64") pd.Series([1, 2, np.nan], dtype="Int32")
使用float32、float64定义浮点数类型：
>>> pd.Series([1, 2, np.nan], dtype="float32") 0 1.0 1 2.0 2 NaN dtype: float32
4，日期和时间类型类型
datetime64[ns] 表示的是日期和时间类型
>>> pd.Series(['2018-07-01', '2019-07-01', '2019-10-01'], dtype="datetime64[ns]") 0 2018-07-01 1 2019-07-01 2 2019-10-01 dtype: datetime64[ns]
六，类型转换
可以使用astype()函数，显式把对象的类型从一个类型强制转换为指定的数据类型：
>>> pd.Series(['2018-07-01', '2019-07-01', '2019-10-01']).astype('datetime64[ns]') 0 2018-07-01 1 2019-07-01 2 2019-10-01 dtype: datetime64[ns]
pandas还有类型转换的特殊函数，用于转换为特定的数据类型：
- to_numeric()
- to_datetime()
- to_timedelta()
比如，把序列转换为日期类型：
>>> pd.to_datetime(pd.Series(['2018-07-01', '2019-07-01', '2019-10-01'])) 0 2018-07-01 1 2019-07-01 2 2019-10-01 dtype: datetime64[ns]
参考文档：
