Pandas數據結構有很多種，其中最為主要的結構就是Series和DataFrame。

數據結構Series

Series：一維類似數組的對象，包含一組數據和一組相關的數據標籤（稱為其索引）。

這邊寫個簡單的範例，
先建立一個陣列資料

data = [1, 2, 3, 4]

再將資料透過pd.Series()轉換成Series結構

dataSeries = pd.Series(data)
print(dataSeries)

印出資料如下。

0    1
1    2
2    3
3    4
dtype: int64

第一欄由上而下的0~3是各資料的索引值，
第二欄由上而下是資料裡指定的數值1~4。

而最下面顯示的dtype就是這些Series資料裡的型別，
也就是數字int64。

而當Series資料裡混雜著不同型時，
情況如下。

dataSeriesObj = pd.Series([1, 2, "three", 4])
print(dataSeriesObj)

印出資料如下

0        1
1        2
2    three
3        4
dtype: object

可以看到型別就會別成物件object。

資料型別也會影響到後續的應用，
所以在型別上都要特別注意呢。

數據結構DataFrame

DataFrame：一種二維、大小可變、潛在異構的表格數據結構，具有標籤軸（行和列）。

這邊先建立一個物件的資料如下，
分別是三個人員的資料

data = {
    'MemberId': ['001', '002', '003'],
    'Name': ['A', 'B', 'C'],
    'Age': [43, 12, 58],
    'City': ['New York', 'Los Angeles', 'Chicago']
}

再將資料透過pd.DataFrame()轉換成DataFrame結構

df = pd.DataFrame(data)
print(df)

列印出的資料如下

  MemberId Name  Age         City
0      001    A   43     New York
1      002    B   12  Los Angeles
2      003    C   58      Chicago

可以看到第一欄由上而下的0~2是各資料的索引值，
而DataFrame可以將資料表格化，
能更方便的閱讀與操作資料。

今日結語

今天認識Pandas的數據結構，
多熟悉這結構對後面要整理數據是很有幫助的。