图解Pandas，数据结构介绍 | 图文第1篇
01写在前面
大家好，我是阳哥，欢迎来到「Python数据之道」。
本次是《图解Pandas》系列图文内容的 第 1 篇，主要是对Pandas中数据结构进行介绍。
本文是付费阅读文章，可免费阅读部分内容，隐藏部分主要是可以在电脑端查看的视频，以及源代码分享等。
若觉得内容有价值，可以继续阅读全文。
Pandas 是 Python数据分析中用的最多的工具，可以说是 Python数据分析中的瑞士军刀。
为了大家能够更好地学习 Pandas，阳哥打算制作一系列 《图解Pandas》 的内容。
《图解Pandas》图文专题，大家可以点击下面的图片进行查看。
《图解Pandas》 最主要的目标，是以动态图片、视频等方式呈现，实现从原理步骤拆解 Pandas 在数据处理过程中的主要知识点，以便大家能进一步从底层了解 Pandas 的使用，形象地介绍 Pandas，进而使大家喜欢上 Pandas 这个得心应手的工具。
关于《图解Pandas》的内容框架介绍的，大家可以前往下面的链接了解：
02Python环境
今天主要是对Pandas中数据结构进行介绍。在视频号中发布的视频如下，大家可以前往观看：
开始之前，先介绍下本次内容涉及的Python环境，如下：
Python 3.8 Pandas 1.4.1 numpy 1.19.2
我是在 jupyter notebook 中运行代码的，首先引入相关 Python 库：
import pandas as pd
import numpy as np
在Pandas中，主要包括两种类型的数据，一种是 Series，另一种是 DataFrame，Series 是一维数据，而 DataFrame 是二维数据。
03Series
首先，咱们来了解 Series 数据，先创建数据，代码如左边所示，右边显示的是数据结果：
Series 数据由 索引 和 数据值 组成，可通过 index 属性 和 values 属性分别获取：
04DataFrame
接下来，咱们来了解 DataFrame 数据，中文翻译称之为 数据框，同样的，先创建数据对象:
与 Series数据类似，数据框 包含 索引和数据值。对于索引而言，数据框既有行索引，也有列索引。行索引通过 index属性获取，列索引通过columns 属性获取:
值得注意的是，数据框作为二维数据，由行和列组成，在数据运算时，经常会涉及 轴方向的设置，这里 axis=1 就是沿着红色箭头的方向进行运算，axis=’columns’ 是同样的效果；axis=0 就是沿着白色箭头的方向进行运算，axis=’index’ 是同样的效果。
Series - DataFrame
在Pandas中，这两种数据结构是存在内在关联的。数据框可以看作是由Series组成的，并且这些Series拥有相同的索引。
如图所示，这个数据框可以拆分为三个 Series。
np.random.seed(0)
df = pd.DataFrame(
np.random.randint(10,size=(5,3)),
columns=list('abc')
)
df
上图中，对 DataFrame 按列进行拆分，得到的 3 个 Series分别是 df['a'] 、df['b']、df['c']，以 df['a'] 为例，来查看其数据类型。
类似地，可以按行对 DataFrame 进行拆分，形成 5 个 Series：
大家可以通过设置不同的行索引值（ [0,1,2,3,4] ），来查看其他的 Series 。
本期视频
为了方便大家在电脑上观看视频，在这里上传了与视频号中对应的视频内容：
可试读74%