Pandas-Series

68 阅读 0 评论 45 点赞

我是靠谱客的博主高贵巨人，最近开发中收集的这篇文章主要介绍Pandas-Series，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

Pandas含有使数据分析工作变得更快更简单的高级数据结构和操作工具，pandas基于numpy构建。

两个主要数据结构：Series和DataFrame。

Series：一种类似于一位数组的对象，由一组数据和一组与之相关的数据标签组成。

产生Series：

1.仅由一维列表即可产生最简单的Series:

obj = Series([-1, 5, 7, 9])


0
-1

1
5

2
7

3
9

dtype: int64

	
2.通过字典创建Series


这时，字典中的键就是Series中的索引，字典中的值就是Series中的值

	
3.创建带有索引的Series：


obj2 = Series([4, 7, -5, 3],index = ['d', 'b', 'a', 'c'])

	Series常用函数：


obj.values
(没有括号，常识性用函数在后面加括号)


obj.index


分别是获得了其数组表现形式和索引对象


如：array([-1,
5,
7,
9], dtype=int64)


Index(['d', 'b', 'a', 'c'], dtype='object') 
obj['a'],obj2[['c', 'a', 'b']]:可通过索引方式选取,更改Series中的单个或一组值


numpy的数组运算都会保留索引和值之间的链接：

obj2[obj2 > 0](返回>0的部分，有索引和值)

obj2 * 2


判断是否存在某个索引：'b' in obj2
(返回布尔值)
Series()传入一个字典，一个索引数组，就会创建一个Series，左边是索引数组，右边是索引数组在字典对应
值，如果没有对应值 返回NAN(not a number)


pandas的notnull 和 isnull 用于检测缺失数据：

pd.isnull(obj4)
返回一个Series 左边索引值 右边布尔值


Series一个重要功能:在算术运算中会自动对齐不同索引的数据

obj3+obj4
最终得到的Series 相同的索引值对应的数据相加，不同的任然存在，不进行运算
	 	
Series name属性：obj4.name = 'population'


obj4.index.name = 'state'

state

california
NaN

ohio
35000.0

oregon
16000.0

texas
71000.0

Name: population, dtype: float64


Series的索引可以通过赋值的方式就地修改：obj.index = ['Bob', 'Steve', 'Jeff', 'Ryan']