Python Pandas Series

Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一,本文主要介绍Python Pandas Series。

1、Series简介

Pandas Series就像表格中的一列。它是一维数组,可保存任何类型的数据。Serial对象本质上由两个数组构成,一个数组构成对象的健(index,索引),一个数组构成对象的值(values)。Series是带标签的一维数组,可存储整数、浮点数、字符串、Python 对象等类型的数据。轴标签统称为索引,它由两部分组成。

index:数据索引标签  

values:一组数据(ndarray类型)

例如:

从列表中创建一个简单的Pandas Series:

import pandas as pd

a = [1, 7, 2]

myvar = pd.Series(a)

print(myvar)

2、标签(Labels)

如果未指定其他任何内容,则这些值将用其索引号标记。 第一个值的索引为0,第二个值的索引为1,依此类推。

该标签可用于访问指定值。

例如:

返回Series的第一个值:

print(myvar[0])

3、创建

标签(Labels)

使用index参数,可以命名自己的标签。

例如:

创建自己的标签:

import pandas as pd

a = [1, 7, 2]

myvar = pd.Series(a, index = ["x", "y", "z"])

print(myvar)

创建标签后,可以通过参考标签来访问项目。

例如:

返回值“y”:

print(myvar["y"])

4、Key和Value 对象作为 Series

创建Series时,还可以使用键/值对象,例如,dict。

例如:

从字典创建一个简单的Pandas Series:

import pandas as pd

calories = {"day1": 420, "day2": 380, "day3": 390}

myvar = pd.Series(calories)

print(myvar)

注意:字典的键将成为标签。

要仅选择词典中的某些项目,请使用index参数,并仅指定要包括在Series中的项目。

例如:

仅使用“day1”和“day2”中的数据创建Series:

import pandas as pd

calories = {"day1": 420, "day2": 380, "day3": 390}

myvar = pd.Series(calories, index = ["day1", "day2"])

print(myvar)

5、Series的索引和切片

1)位置下标

当使用默认值索引时,通常使用位置下标。类似列表的索引使用方式。

import pandas as pd
import numpy as np

data = np.random.randint(0,100,size=(6,))
series = pd.Series(data=data)
print(series)
print("_________")
print(series[0])
print(series[3])
print(series[4])

2)标签索引

用在显示索引时,通过key获取value的方式获取。

import pandas as pd
import numpy as np

data = np.random.randint(0,100,size=(6,))
series = pd.Series(data=data,index=list('abcdef'))
print(series)
print("___________")
print(series['a'])
print(series['f'])
print(series['c'])

3)布尔型索引

通过布尔型的数组获取Series对象中的值。

import pandas as pd
import numpy as np

data = np.random.randint(0,100,size=(6,))
series = pd.Series(data=data,index=list('abcdef'))
print(series)
print("________")
series2 = series>50  # 获取series中大于50的元素,series2是一个bool类型的数组
print(series2) 
print("________")
print(series[series2])  # 通过series2这个bool数组获取series中的元素

4)切片索引

import pandas as pd
import numpy as np

data = np.random.randint(0,100,size=(6,))
series = pd.Series(data=data)

print(series)
print("___________")
#隐式索引:通过整数
print(series[1:5])
print(series[:4])
print(series[2:])
print(series.iloc[2])  # 指定下标
print(series.iloc[1:3]) # 指定切片范围


data = np.random.randint(0,100,size=(6,))
series = pd.Series(data=data,index=list('abcdef'))
print(series)
print("___________")
#显示索引:通过字符标签
print(series['a':'d'])
print(series['a':])
print(series[:'f'])
print(series[::2])
print(series.loc['a':'e'])
print(series.loc[['a','c','f']])

6、Series的常用函数

1)series.head(n)

显示从前边计算的数据行,可以指定显示的行数,不写n默认是前5行。

2)series.tail(n)

显示从后边计算的数据行,可以指定显示的行数,不写n默认是前5行 。

3)series.unique()

去除重复的值

4)series.notnull()

不为空返回True,为空返回False。

5)series.isnull()

不为空返回False,为空返回True。

import pandas as pd
import numpy as np

lst = [11,13,20,16,12,8]
series = pd.Series(lst,index=["A","B","C","D","E","F"])
print(series.head())  # 获取前5行
print(series.tail())  # 获取后5行
print(series.unique())  # 去除重复的值
series['B']=None  # 修改D索引对应的值为None
print(series.isnull())  # 判断是否有空值
print(series.notnull())  # 判断是否有非空值

7、DataFrames

Pandas中的数据集通常是多维表,称为DataFrames。

Series就像一列,DataFrame是整个表。

例如:

从两个Series创建一个DataFrame:

import pandas as pd

data = {
"calories": [420, 380, 390],
"duration": [50, 40, 45]
}

myvar = pd.DataFrame(data)

print(myvar)

相关文档:

Python pandas DataFrame 行列使用常用操作

Python pandas DataFrame 行列的常用操作及运算

推荐阅读
cjavapy编程之路首页