亲宝软件园·资讯

展开

Pandas Series对象

​ tigeriaf   ​ 人气:4

一、Pandas Series对象

Pandas 是基于 NumPy 设计实现的 Python 数据分析库,Pandas 提供了大量的能让我们高效处理数据的函数和方法,也纳入了很多数据处理的库以及一些数据模型,可以说非常强大。

可以使用以下命令进行安装:

conda install pandas
# 或
pip install pandas

Series数据结构

Pandas 最常用的数据结构主要有两种:Series 和 DataFrame,这篇文章主要介绍一下Series及如何创建Series对象。

Series 是一维数组,由一列索引index和一列值values组成,索引和值是一一对应的,可以存储不同种类的数据类型,字符串、布尔值、数字、Python对象等都可以。

创建Series对象

创建Series对象的格式如下:

s = pd.Series(data, index)

参数data为数据,可以是字典、列表、Numpy的 ndarray 数组等;
参数index为索引,值必须唯一,类似于Python字典的键,可以不传,默认为从0开始递增的整数。

从列表创建:

data = ["a", "b", "c", "d", "e"]
s = pd.Series(data)
s

从字典创建:

当data为字典时,如果没有传入索引的话,会按照字典的键来构造索引,索引对应的值就是字典的键对应的值。

data = {"a": 1, "b": 2, "c": 3}
s = pd.Series(data)
s

结果输出如下:

a    1
b    2
c    3
dtype: int64

从 ndarray 数组创建:

ndarray 为Numpy 的数组类型,在Python数据分析 Numpy 的使用方法的文章已经介绍过。

data = np.array([1, 2, 3, 4])
s = pd.Series(data)
s

我们可以通过创建的Series对象,调用相应的属性和方法来进行数据的处理分析等。下面继续来看Series对象的基本操作

二、Series对象的基本操作

Series 常用属性

获取索引及修改索引

data = ["a", "b", "c", "d"]
s = pd.Series(data)
print(s.index)
s.index = ["A", "B", "C", "D"]
print(s.index)

结果输出如下:

RangeIndex(start=0, stop=4, step=1)
Index(['A', 'B', 'C', 'D'], dtype='object')

指定索引对应元素的获取、修改及删除

Series 通过索引获取、修改及删除对应元素和Python字典的操作有些类似,具体使用方法如下:

# 获取数据
print(s["A"])
# 修改数据
s['A'] = 99
# 删除数据
s = s.drop("B")
s

另外,Series 也支持通过筛选条件获取数据,例如获取能被2整除的数据:

data = np.array([1, 2, 3, 4])
s = pd.Series(data)
s[s%2==0]

Series 切片

Series 切片操作同Python列表的切面也是类似的,如下:

s[0:3] 

表示取第0、1、2个数据。

也可以使用索引值来进行切片,例如获取索引值B-D的值:

s["B":"D"]
复制代码

Series 常用方法

Series 运算

统计信息

可以通过describe()方法获取统计信息,如下:

也可以通过如下方法分别获取:

四则运算

s+2  # 对每个元素进行+2
s*100  # 对每个元素乘100

也可以调用如下方法进行:加法add()、减法sub()、乘法mul()、除法div()

加载全部内容

相关教程
猜你喜欢
用户评论