pandas 数据结构之Series的使用方法
程序员文章站
2022-04-09 11:41:49
1. series
series 是一个类数组的数据结构,同时带有标签(lable)或者说索引(index)。
1.1 下边生成一个最简单的series对象,因为没有给...
1. series
series 是一个类数组的数据结构,同时带有标签(lable)或者说索引(index)。
1.1 下边生成一个最简单的series对象,因为没有给series指定索引,所以此时会使用默认索引(从0到n-1)。
# 引入series和dataframe in [16]: from pandas import series,dataframe in [17]: import pandas as pd in [18]: ser1 = series([1,2,3,4]) in [19]: ser1 out[19]: 0 1 1 2 2 3 3 4 dtype: int64
1.2 当要生成一个指定索引的series 时候,可以这样:
# 给index指定一个list in [23]: ser2 = series(range(4),index = ["a","b","c","d"]) in [24]: ser2 out[24]: a 0 b 1 c 2 d 3 dtype: int64
1.3 也可以通过字典来创建series对象
in [45]: sdata = {'ohio': 35000, 'texas': 71000, 'oregon': 16000, 'utah': 5000} in [46]: ser3 = series(sdata) # 可以发现,用字典创建的series是按index有序的 in [47]: ser3 out[47]: ohio 35000 oregon 16000 texas 71000 utah 5000 dtype: int64
在用字典生成series的时候,也可以指定索引,当索引中值对应的字典中的值不存在的时候,则此索引的值标记为missing,na,并且可以通过函数(pandas.isnull,pandas.notnull)来确定哪些索引对应的值是没有的。
in [48]: states = ['california', 'ohio', 'oregon', 'texas'] in [49]: ser3 = series(sdata,index = states) in [50]: ser3 out[50]: california nan ohio 35000.0 oregon 16000.0 texas 71000.0 dtype: float64 # 判断哪些值为空 in [51]: pd.isnull(ser3) out[51]: california true ohio false oregon false texas false dtype: bool in [52]: pd.notnull(ser3) out[52]: california false ohio true oregon true texas true dtype: bool
1.4 访问series中的元素和索引:
# 访问索引为"a"的元素 in [25]: ser2["a"] out[25]: 0 # 访问索引为"a","c"的元素 in [26]: ser2[["a","c"]] out[26]: a 0 c 2 dtype: int64 # 获取所有的值 in [27]: ser2.values out[27]: array([0, 1, 2, 3]) # 获取所有的索引 in [28]: ser2.index out[28]: index([u'a', u'b', u'c', u'd'], dtype='object')
1.5 简单运算
在pandas的series中,会保留numpy的数组操作(用布尔数组过滤数据,标量乘法,以及使用数学函数),并同时保持引用的使用
in [34]: ser2[ser2 > 2] out[34]: a 64 d 3 dtype: int64 in [35]: ser2 * 2 out[35]: a 128 b 2 c 4 d 6 dtype: int64 in [36]: np.exp(ser2) out[36]: a 6.235149e+27 b 2.718282e+00 c 7.389056e+00 d 2.008554e+01 dtype: float64
1.6 series的自动对齐
series的一个重要功能就是自动对齐(不明觉厉),看看例子就明白了。 差不多就是不同series对象运算的时候根据其索引进行匹配计算。
# ser3 的内容 in [60]: ser3 out[60]: ohio 35000 oregon 16000 texas 71000 utah 5000 dtype: int64 # ser4 的内容 in [61]: ser4 out[61]: california nan ohio 35000.0 oregon 16000.0 texas 71000.0 dtype: float64 # 相同索引值的元素相加 in [62]: ser3 + ser4 out[62]: california nan ohio 70000.0 oregon 32000.0 texas 142000.0 utah nan dtype: float64
1.7 命名
series对象本身,以及索引都有一个 name 属性
in [64]: ser4.index.name = "state" in [65]: ser4.name = "population" in [66]: ser4 out[66]: state california nan ohio 35000.0 oregon 16000.0 texas 71000.0 name: population, dtype: float64
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
推荐阅读
-
python pandas中对Series数据进行轴向连接的实例
-
pandas 对series和dataframe进行排序的实例
-
Python机器学习之scikit-learn库中KNN算法的封装与使用方法
-
python pandas 对series和dataframe的重置索引reindex方法
-
Python XML转Json之XML2Dict的使用方法
-
smarty高级特性之对象的使用方法
-
pandas把dataframe转成Series,改变列中值的类型方法
-
PHP小技巧之JS和CSS优化工具Minify的使用方法
-
Android开发之OkHttpUtils的具体使用方法
-
pandas数据处理基础之筛选指定行或者指定列的数据