生成Series/DataFrame对象的方法

建议使用交互式Python解释器进行下面的操作：
引入numpy和pandas库：

import numpy as np
import pandas as pd
复制代码

用列表生成Series时，索引会自动使用从0到len(列表)-1的数值。

In [1]: import numpy as np

In [2]: import pandas as pd

In [3]: data = pd.Series([1, 2, 3, 4, 5])

In [4]: data
Out[4]:
0    1
1    2
2    3
3    4
4    5
dtype: int64
复制代码

可以使用Pandas的日期格式的Series和多维Numpy数组生成DataFrame：

In [5]: dates = pd.date_range('20211107', periods=6)

In [6]: dates
Out[6]:
DatetimeIndex(['2021-11-07', '2021-11-08', '2021-11-09', '2021-11-10',
               '2021-11-11', '2021-11-12'],
              dtype='datetime64[ns]', freq='D')

In [7]: data = pd.DataFrame(np.random.randn(6, 4), index=da
   ...: tes, columns=['A', 'B', 'C', 'D'])

In [8]: data
Out[8]:
                   A         B         C         D
2021-11-07 -0.543325 -1.140889  0.037109  2.039023
2021-11-08  1.275152 -0.208459 -1.025204 -0.765965
2021-11-09  0.646048 -0.548909  0.967998  0.260784
2021-11-10 -0.668352 -0.347682 -0.878964 -1.851527
2021-11-11 -0.620460  0.587318 -0.912959 -0.989953
2021-11-12  1.479600 -1.966536 -1.360499  0.059251
复制代码

也可以使用Series作为value的字典对象生成DataFrame:

In [9]: data = pd.DataFrame({'first': pd.Series([1, 2, 3, 4
   ...: ])})

In [10]: data
Out[10]:
   first
0      1
1      2
2      3
3      4
复制代码

查看DataFrame的头部和尾部数据：

In [11]: data.head()
Out[11]:
   first
0      1
1      2
2      3
3      4

In [12]: data.tail()
Out[12]:
   first
0      1
1      2
2      3
3      4
复制代码

查看行标签和列标签：

In [15]: data.index
Out[15]: RangeIndex(start=0, stop=4, step=1)

In [16]: data.columns
Out[16]: Index(['first'], dtype='object')
复制代码

把DataFrame便捷的转换为其他数据：

In [17]: data.to_dict()
Out[17]: {'first': {0: 1, 1: 2, 2: 3, 3: 4}}

In [18]: data.to_numpy()
Out[18]:
array([[1],
       [2],
       [3],
       [4]])

In [19]: data.to_csv()
Out[19]: ',first\n0,1\n1,2\n2,3\n3,4\n'

In [20]: data.to_
  to_clipboard() to_feather()   to_json()
  to_csv()       to_gbq()       to_latex()
  to_dict()      to_hdf()       to_markdown()  >
  to_excel()     to_html()      to_numpy()
复制代码

查看DataFrame的描述性数据统计：

In [24]: data.describe()
Out[24]:
          first
count  4.000000
mean   2.500000
std    1.290994
min    1.000000
25%    1.750000
50%    2.500000
75%    3.250000
max    4.000000
复制代码

转置矩阵：

In [26]: data.T
Out[26]:
       0  1  2  3
first  1  2  3  4