这篇文章给大家分享的是有关python中pandas数据结构是怎么样的的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。
成都创新互联是工信部颁发资质IDC服务器商，为用户提供优质的成都服务器托管服务
1、Series是一个类似于一维数组的对象，由一组数据(各种NumPy数据类型)和一组相关数据标签(即索引)组成。Series的字符串表现为:索引在左边，值在右边。可以通过Series的values和index属性获得其值和索引对象。
创建Series时，可以通过index作为关键词参数手动指定每个值的索引。Series中的单个或组值可以通过索引选择。Series类型对象的操作(如过滤布尔型数组、标量乘法、应用数学函数等)，会保留索引和值之间的链接。
2、DataFrame是一种表格型数据结构。它包含一组有序的列，每列可以是不同的值类型(数值、字符串、布尔值等)。DataFrame有行索引和列索引。构建DataFrame最常用的方法之一是直接输入由等长列表或NumPy组成的字典。如果指定了列序列(由关键词参数columns指定)，DataFrame的列会按照指定的顺序排列，当然也可以指定行索引(由关键词参数index指定)。
和Series一样，如果输入的列在数据中找不到，就会自动产生NaN值。通过类似字典标记的方式或属性，Dataframe的列可以获得为Serieries。行也可以通过位置或名称获得。比如果在数据中找不到，它会自动产生Nanan值。如果用一个新的字典标记，它可以被设置为一个新的数据列。
实例
import pandas as pd
import numpy as np
a=pd.Series([11,12].index=["上海"."北京"])
print(a)
b=pd.Series({"a":2,"b":1,"c":5})#通过字典创建
print(b)
b['a]=5#对数据进行修改
print(b)
b.index=['v','c','cd']#可以通过index函数修改索引值感谢各位的阅读！关于“python中pandas数据结构是怎么样的”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！