Python----数据分析（Pandas二：一维数组Series，Series的创建，Series的属 ...

一、一维数组Series

   Series：一维数组,与Numpy中的一维array类似。它是一种类似于一维数组的对象，是由一组数据(各种 NumPy 数据范例)以及一组与之相干的数据标签(即索引)组成。
        仅由一组数据也可产生简单的 Series 对象，用值列表生成 Series 时，Pandas 默认主动生成整数索引 。

二、Series的创建

  在Pandas中，一维数组的创建离不开Pandas库中的Series类。

1. pandas.Series(data=None, index=None, dtype=None, name=None, copy=None, fastpath=False)

复制代码

描述说明data 标量值，如整数或字符串
Python列表或元组
Python字典
1d-Ndarray
index数组或列表，用于定义Series的索引。如果未提供，则默认为从0开始的 整数索引。dtype指定Series的数据范例。name给Series一个名字，用于后续的索引和操作。copy布尔值，默认为False。如果为True，则复制数据；如果为False，则尽可 能避免复制数据，仅影响Ndarray输入。fastpath布尔值，默认为False，通常不须要用户指定。它是Pandas库内部使 用的一个优化标志，当设置为 True时，答应 Series构造函数绕过一些查抄和验 证步调，加快Series的创建速度。但由于这个参数跳过了某些安全查抄，因此在 正常使用中，如果在创建Series时设置了 fastpath=True，而传入的数据又不符 合预期，则大概会导致不可预测的行为或错误。 2.1、使用标量创建

1. import pandas as pd
2. data=0
3. series=pd.Series(data,index=['a','b','c'])
4. print(series)

复制代码

1. a    0
2. b    0
3. c    0
4. dtype: int64

复制代码

2.2、使用列表或元组创建

1. import pandas as pd
2. data1=[1,2,3,4,5]
3. data2=(1,2,3,4,5)
4. series1=pd.Series(data1,index=['a','b','c','d','e'])
5. series2=pd.Series(data2,index=['a','b','c','d','e'])
6. print(series1,series2)

复制代码

1. a    1
2. b    2
3. c    3
4. d    4
5. e    5
6. dtype: int64 a    1
7. b    2
8. c    3
9. d    4
10. e    5
11. dtype: int64

复制代码

2.3、使用字典

        使用字典创建Series时，字典的键就是索引，字典的值就是该索引对应的值。如果使 用字典创建Series，并且指定了与字典的键不同的index参数，那么生成的Series数组 中的数据就是以index参数的值为索引，但索引所对应的值是NaN。
        在Pandas中， NaN（Not a Number）是一个特殊的浮点数，用于表现缺失数据或无 效数据。NaN 是 IEEE 浮点标准的一部分，Pandas 使用 NaN 来表现数据集中缺失或 未定义的值。

1. import pandas as pd
2. data={
3.     'a':1,
4.     'b':2,
5.     'c':3
6. }
7. series=pd.Series(data)
8. print(series)

复制代码

1. a    1
2. b    2
3. c    3
4. dtype: int64

复制代码

2.4、使用数组

1. import pandas as pd
2. import numpy as np
3. data=np.array(
4.     [1,2,3,4,5]
5. )
6. series=pd.Series(data)
7. print(series)

复制代码

1. 0    1
2. 1    2
3. 2    3
4. 3    4
5. 4    5
6. dtype: int64

复制代码

三、Series的属性

3.1、index

        返回Series中的索引。

1. import pandas as pd
2. series=pd.Series([1,2,3],index=['a','b','c'])
3. print(series.index)
4. series.index=['e','f','g']
5. print(series.index)

复制代码

1. Index(['a', 'b', 'c'], dtype='object')
2. Index(['e', 'f', 'g'], dtype='object')

复制代码

3.2、values

        用于返回Series中的数据，返回的数据将以Ndarray数组的形式存在。

1. import pandas as pd
2. series=pd.Series([1,2,3],index=['a','b','c'])
3. print(series.values)
4. print(type(series.values))

复制代码

1. [1 2 3]
2. <class 'numpy.ndarray'>

复制代码

3.3、name

        用于返回Series的名称，如果创建时指定了name参数，那么该属性的返回值就是 name参数，如果没有指定则为None。

1. import pandas as pd
2. series=pd.Series([1,2,3],index=['a','b','c'])
3. print(series.name)
4. series.name='test'
5. print(series.name)

复制代码

1. None
2. test

复制代码

3.4、dtype和dtypes

        对于Series来说，dtype和dtypes的作用是一样的，都是用来返回Series对象的数据 范例。 需
        要留意的是：
                        该属性是只读属性，不可以通过直接赋值的方式去修改数据范例。

1. import pandas as pd
2. series=pd.Series([1,2,3],index=['a','b','c'])
3. print(series.dtype)

复制代码

1. int64

复制代码

3.5、shape

        用于描述Series的形状。

1. import pandas as pd
2. series=pd.Series([1,2,3],index=['a','b','c'])
3. print(series.shape)

复制代码

1. (3,)

复制代码

3.6、 size

         用于返回Series的元素数量，该返回值是一个整数。

1. import pandas as pd
2. series=pd.Series([1,2,3],index=['a','b','c'])
3. print(series.size)

复制代码

1. 3

复制代码

3.7、empty

        用来表现Series数组是否为空，返回值一个布尔值，如果数组里一个元素都没有就返 回True，否则返回False。

1. import pandas as pd
2. series=pd.Series()
3. print(series.empty)

复制代码

1. True

复制代码

3.8、hasnans

        用于返回数组中是否包含NaN值，如果数组中存在NaN，那么返回True，否则返回 False。

1. import pandas as pd
2. import numpy as np
3. series=pd.Series([1,2,np.nan],index=['a','b','c'])
4. print(series.hasnans)

复制代码

1. True

复制代码

3.9、is_unique

        用于返回数组中的元素是否为独一无二的，如果全部的元素都是独一无二的，即数组 中没有重复元素，那么就返回True，否则返回False。

1. import pandas as pd
2. import numpy as np
3. series=pd.Series(['a','b','c'])
4. print(series.is_unique)

复制代码

1. True

复制代码

3.10、nbytes

        用于返回该Series对象中全部数据占用的总字节数。

1. import pandas as pd
2. series=pd.Series([1,2,3],dtype='int64')
3. print(series.nbytes)

复制代码

1. 8

复制代码

3.11、axes

        用于返回series对象行轴标签的列表。

1. import pandas as pd
2. series = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'], dtype='int64')
3. print(series.axes)

复制代码

1. [Index(['a', 'b', 'c', 'd', 'e'], dtype='object')]

复制代码

3.12、ndim

        返回Series数组的维度，对于Series数组来说，它的维度始终为1。

1. import pandas as pd
2. series = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'], dtype='int64')
3. print(series.ndim)

复制代码

1. 1

复制代码

3.13、array

        用于返回Series的底层数组，包罗数组的元素、数组的长度及数组元素的数据范例。

1. import pandas as pd
2. import numpy as np
3. data = np.array([1, 2, 3, 4, 5])
4. series = pd.Series(data)
5. print(series.array)
6. print(type(series.array))

复制代码

1. <NumpyExtensionArray>
2. [np.int64(1), np.int64(2), np.int64(3), np.int64(4), np.int64(5)]
3. Length: 5, dtype: int64
4. <class 'pandas.core.arrays.numpy_.NumpyExtensionArray'>

复制代码

3.14、attrs

        返回series的自定义属性，可以用来存储额外的说明性数据。

1. import pandas as pd
2. import numpy as np
3. data = np.array([1, 2, 3, 4, 5])
4. print(series.attrs)
5. series.attrs = {'source': 'file1', 'time': '19:27:27'}
6. print(series)
7. print('额外属性', series.attrs)

复制代码

1. {}0    1
2. 1    2
3. 2    3
4. 3    4
5. 4    5
6. dtype: int64额外属性 {'source': 'file1', 'time': '19:27:27'}

复制代码

3.15、is_monotonic_decreasing

        返回一个布尔值，表现Series是否按降序排列。

1. import pandas as pd
2. series = pd.Series([5, 4, 3, 2, 1])
3. print(series.is_monotonic_decreasing)

复制代码

1. True

复制代码

3.16、is_monotonic_increasing

        返回一个布尔值，表现Series是否按升序排列。

1. import pandas as pd
2. series = pd.Series([5, 4, 3, 2, 1])
3. print(series.is_monotonic_increasing)

复制代码

1. False

复制代码

四、 Series中元素的索引与访问

4.1、位置索引

        可以使用整数索引来访问Series中的元素，就像访问列表一样。

1. import pandas as pd
2. series=pd.Series([10,20,30,40,50,60])
4. print(series[0])
5. print(series[1])

复制代码

1. 10
2. 20

复制代码

4.2、标签索引

        除了使用位置索引之外，还可以使用标签进行索引，与访问字典中的元素类似。

1. import pandas as pd
2. series=pd.Series([10,20,30,40,50],index=['a','b','c','d','e'])
3. print(series['a'])
4. print(series['c'])

复制代码

1. 10
2. 30

复制代码

4.3、切片索引

        Series对象的切片方式有两种，第一种是使用位置切片，其使用方法与列表的切片类 似；第二种是使用标签切片，其语法与位置切片类似，都是 start:stop，且开始值 与停止值可以省略，但与位置切片不同的是，标签切片的范围是左右都闭合，即既包 含start，又包含stop，而位置切片是左闭右开，只包含start，不包含stop。

1. import pandas as pd
2. series=pd.Series([10,20,30,40,50],index=['a','b','c','d','e'])
3. print(series[:])
4. print(series['b':'d'])

复制代码

1. a    10
2. b    20
3. c    30
4. d    40
5. e    50
6. dtype: int64
7. b    20
8. c    30
9. d    40
10. dtype: int64

复制代码

4.4、loc与iloc

        loc与iloc也是Series对象的属性，它们的作用就是用来访问Series中的元素，loc是基 于标签的索引，iloc是基于位置的索引。

1. import pandas as pd
2. series = pd.Series([10, 20, 30, 40, 50], index=['a', 'b', 'c', 'd', 'e'])
3. print(series.loc['a'])
4. print(series.iloc[0:2])
5. print(series.iloc[2])

复制代码

1. 10
2. a    10
3. b    20
4. dtype: int64
5. 30

复制代码

4.5、at与iat

        at与iat也是Series对象的属性，可以用来访问元素，at是基于标签的索引，iat是基于 位置的索引。

1. import pandas as pd
2. series = pd.Series([10, 20, 30, 40, 50], index=['a', 'b', 'c', 'd', 'e'])
3. print(series.at['a'])
4. print(series.iat[0])
5. print(series.iat[2])

复制代码

1. 1010
2. 30

复制代码

4.6、head

        head是Series对象的方法，用于快速检察 Series数据的开头部分内容。

1. series.head(n=None)

复制代码

描述说明n是可选参数，用于指定要返回的行数。如果不提供该参数，默认值为5。

1. import pandas as pd
2. data = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]
3. index = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']
4. series = pd.Series(data, index=index)
5. print(series.head())

复制代码

1. a    10
2. b    20
3. c    30
4. d    40
5. e    50
6. dtype: int64

复制代码

4.7、tail

        tail的用法与head类似，但不同的是，它用于快速检察Series数据的末尾部分内容。

1. series.tail(n=None)

复制代码

描述说明n是可选参数，用于指定要返回的行数。若不提供该参数，默认值为5。

1. import pandas as pd
2. data = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]
3. index = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']
4. series = pd.Series(data, index=index)
5. print(series.tail())

复制代码

1. f     60
2. g     70
3. h     80
4. i     90
5. j    100
6. dtype: int64

复制代码

4.8、isin

        该函数用于判断 Series中的每个元素是否在指定的一组值中，它会返回一个与原 Series长度雷同的布尔型Series， 此中对应位置为True表现该位置的元素在指定 的值集合中，False则表现不在。

1. series.isin(values)

复制代码

描述说明values是一个可迭代对象（如列表、元组、集合等），用于指定要进行判断 的一组值。

1. import pandas as pd
2. data = [10, 20, 30, 40, 50]
3. series = pd.Series(data)
4. values_to_check = [20, 40]
5. result = series.isin(values_to_check)
6. print(result)

复制代码

1. 0    False
2. 1     True
3. 2    False
4. 3     True
5. 4    False
6. dtype: bool

复制代码

4.9、get

        Series.get 方法用于通过标签来获取Series中的元素。

1. Series.get(key, default=None)

复制代码

描述说明key你想要获取的元素的标签。default可选参数，如果 key不在标签中，返回这个默认值。如果没有指定，默认为 None。

1. import pandas as pd
2. s = pd.Series(['apple', 'banana', 'cherry'], index=[1, 2, 3])
3. print(s.get(2))
4. print(s.get(4, 'Not Found'))

复制代码

1. banana
2. Not Found

复制代码

五、思维导图

 
 

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。