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。
- 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
- import pandas as pd
- data=0
- series=pd.Series(data,index=['a','b','c'])
- print(series)
复制代码 2.2、使用列表或元组创建
- import pandas as pd
- data1=[1,2,3,4,5]
- data2=(1,2,3,4,5)
- series1=pd.Series(data1,index=['a','b','c','d','e'])
- series2=pd.Series(data2,index=['a','b','c','d','e'])
- print(series1,series2)
复制代码- a 1
- b 2
- c 3
- d 4
- e 5
- dtype: int64 a 1
- b 2
- c 3
- d 4
- e 5
- 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。
- import pandas as pd
- data={
- 'a':1,
- 'b':2,
- 'c':3
- }
- series=pd.Series(data)
- print(series)
复制代码 2.4、使用数组
- import pandas as pd
- import numpy as np
- data=np.array(
- [1,2,3,4,5]
- )
- series=pd.Series(data)
- print(series)
复制代码- 0 1
- 1 2
- 2 3
- 3 4
- 4 5
- dtype: int64
复制代码 三、Series的属性
3.1、index
返回Series中的索引。
- import pandas as pd
- series=pd.Series([1,2,3],index=['a','b','c'])
- print(series.index)
- series.index=['e','f','g']
- print(series.index)
复制代码- Index(['a', 'b', 'c'], dtype='object')
- 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。
- import pandas as pd
- series=pd.Series([1,2,3],index=['a','b','c'])
- print(series.values)
- print(type(series.values))
复制代码- [1 2 3]
- <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。
- import pandas as pd
- series=pd.Series([1,2,3],index=['a','b','c'])
- print(series.name)
- series.name='test'
- print(series.name)
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。
- import pandas as pd
- series=pd.Series([1,2,3],index=['a','b','c'])
- print(series.dtype)
复制代码 3.5、shape
用于描述Series的形状。
- import pandas as pd
- series=pd.Series([1,2,3],index=['a','b','c'])
- print(series.shape)
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。
- import pandas as pd
- series=pd.Series([1,2,3],index=['a','b','c'])
- print(series.size)
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。
- import pandas as pd
- series=pd.Series()
- print(series.empty)
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。
- import pandas as pd
- import numpy as np
- series=pd.Series([1,2,np.nan],index=['a','b','c'])
- print(series.hasnans)
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。
- import pandas as pd
- import numpy as np
- series=pd.Series(['a','b','c'])
- print(series.is_unique)
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。
- import pandas as pd
- series=pd.Series([1,2,3],dtype='int64')
- print(series.nbytes)
复制代码 3.11、axes
用于返回series对象行轴标签的列表。
- import pandas as pd
- series = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'], dtype='int64')
- print(series.axes)
复制代码- [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。
- import pandas as pd
- series = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'], dtype='int64')
- print(series.ndim)
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。
- import pandas as pd
- import numpy as np
- data = np.array([1, 2, 3, 4, 5])
- series = pd.Series(data)
- print(series.array)
- print(type(series.array))
复制代码- <NumpyExtensionArray>
- [np.int64(1), np.int64(2), np.int64(3), np.int64(4), np.int64(5)]
- Length: 5, dtype: int64
- <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。
- import pandas as pd
- import numpy as np
- data = np.array([1, 2, 3, 4, 5])
- print(series.attrs)
- series.attrs = {'source': 'file1', 'time': '19:27:27'}
- print(series)
- print('额外属性', series.attrs)
复制代码- {}0 1
- 1 2
- 2 3
- 3 4
- 4 5
- 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。
- import pandas as pd
- series = pd.Series([5, 4, 3, 2, 1])
- print(series.is_monotonic_decreasing)
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。
- import pandas as pd
- series = pd.Series([5, 4, 3, 2, 1])
- print(series.is_monotonic_increasing)
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。
- import pandas as pd
- series=pd.Series([10,20,30,40,50,60])
- print(series[0])
- print(series[1])
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。
- import pandas as pd
- series=pd.Series([10,20,30,40,50],index=['a','b','c','d','e'])
- print(series['a'])
- print(series['c'])
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。
- import pandas as pd
- series=pd.Series([10,20,30,40,50],index=['a','b','c','d','e'])
- print(series[:])
- print(series['b':'d'])
复制代码- a 10
- b 20
- c 30
- d 40
- e 50
- dtype: int64
- b 20
- c 30
- d 40
- 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。
- import pandas as pd
- series = pd.Series([10, 20, 30, 40, 50], index=['a', 'b', 'c', 'd', 'e'])
- print(series.loc['a'])
- print(series.iloc[0:2])
- print(series.iloc[2])
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。
- import pandas as pd
- series = pd.Series([10, 20, 30, 40, 50], index=['a', 'b', 'c', 'd', 'e'])
- print(series.at['a'])
- print(series.iat[0])
- print(series.iat[2])
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。
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。- import pandas as pd
- data = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]
- index = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']
- series = pd.Series(data, index=index)
- print(series.head())
复制代码- a 10
- b 20
- c 30
- d 40
- e 50
- 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。
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。- import pandas as pd
- data = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]
- index = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']
- series = pd.Series(data, index=index)
- print(series.tail())
复制代码- f 60
- g 70
- h 80
- i 90
- j 100
- 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。
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。- import pandas as pd
- data = [10, 20, 30, 40, 50]
- series = pd.Series(data)
- values_to_check = [20, 40]
- result = series.isin(values_to_check)
- print(result)
复制代码- 0 False
- 1 True
- 2 False
- 3 True
- 4 False
- 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。
- 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。- import pandas as pd
- s = pd.Series(['apple', 'banana', 'cherry'], index=[1, 2, 3])
- print(s.get(2))
- print(s.get(4, '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。 |