#-*- coding:utf-8 -*-import numpy as np;data1=[1,2,3,4,5]array1=np.array(data1)#创建数组/矩阵# 使用numpy中的array函数data2=[[1,3,4],[2,5,6]]array2=np.array(data2)#查看变量的数据类型：dtypearray2.dtype#转换数据格式 astypearray2_str=array2.astype('str')array2_str.dtype## pandas 有两个数据结构：Series和 DataFrame## Series类似一维数组，和array很像，由一组数据和数据标签（类似索引）组成## Series 能自动对齐索引，如果对不上，会NaN表示缺失import pandas as pd;s=pd.Series([1,2,3,4]);s1=pd.Series([1,2,3,4],index=['a','b','c','d'])s.indexs[1]s[[1,2]]#字典d={'qiulu':'handsome',   'lulu':'graceful'   }s2=pd.Series(d)## DataFrame是一个表格型的数据结构，类似一张excel表格或者SQL##最常用的构建DataFrame的方法是：传入一个字典dict={    'name':['张三','李四','王五','赵六'],    'sex':['男','男','男','女'],    'age':[18,19,20,21]}df=pd.DataFrame(dict)df.info()  ## 查看数据类型df.age.astype('str')df['age']df['age']=[19,20,21,22]df['country']='china'# DataFrame查询会特别方便df[df.age==20]df[(df.age>=20) & (df.sex=='男')]# query　可以类似ＳＱＬ的查询方式df.query('(age>18 and sex=="男") or (age<21 and sex=="女")')df1=pd.DataFrame(np.arange(4).reshape(2,2),columns=['a','b'])df2=pd.DataFrame(np.arange(12).reshape(2,6),columns=['a','b','c','d','e','f'])## iloc　　序号## loc　　　标签## ix　　　行＋列，序号标签都行