用Python进行数据分析 第五章 Pandas入门 Day5

另一种常用的方式是包含字典的嵌套字典。

In [9]: import pandas as pd

In [10]: pop={'Nevada':{2001:2.4,2002:2.9},
    ...:      'Ohio':{2001:1.5,2001:1.7,2002:3.6}}

In [11]: frame3=pd.DataFrame(pop)

In [12]: frame3
Out[12]: 
      Nevada  Ohio
2001     2.4   1.7
2002     2.9   3.6

可以将使用类似NumPy的语法对DataFrame进行转置操作（调换行和列):

In [13]: frame3.T
Out[13]: 
        2001  2002
Nevada   2.4   2.9
Ohio     1.7   3.6

内部字典的key被联合，排序后形成了结果的索引。如果已经显示指明索引的话没内部的字典的key将不会被排序。

In [14]: pd.DataFrame(pop,index=[2001,2002,2003])
Out[14]: 
      Nevada  Ohio
2001     2.4   1.7
2002     2.9   3.6
2003     NaN   NaN

5.1.3 索引对象

panda中的索引对象是用于储存轴标签和其他元数据的。在构造Series或DataFrame时，所使用的任意数组或者标签序列都可以在内部转换为索引对象。

In [1]: import pandas as pd

In [2]: obj=pd.Series(range(3),index=['a','b','c'])

In [3]: index=obj.index

In [4]: index
Out[4]: Index(['a', 'b', 'c'], dtype='object')

In [5]: index[1:]
Out[5]: Index(['b', 'c'], dtype='object')

索引对象是不可变的，因此无法被修改。

In [6]: index[1]='d'
Traceback (most recent call last):

  File "<ipython-input-6-8be6e68dba2d>", line 1, in <module>
    index[1]='d'

  File "/opt/anaconda3/lib/python3.8/site-packages/pandas/core/indexes/base.py", line 4277, in __setitem__
    raise TypeError("Index does not support mutable operations")

TypeError: Index does not support mutable operations

为啥是不可变的呢，不变性使得在多种数据结构中分享索引对象更为安全。

In [21]: obj2.index is labels
Out[21]: True

In [22]: labels=pd.Index(np.arange(3))

In [23]: labels
Out[23]: Int64Index([0, 1, 2], dtype='int64')

In [24]: obj2=pd.Series([1.5,-2.5,0],index=labels)

In [25]: obj2
Out[25]: 
0    1.5
1   -2.5
2    0.0
dtype: float64

In [26]: obj2.index is labels
Out[26]: True