Python数据分析基础之Pandas(一) Series的基本使用-张柏沛IT博客

正文内容

Python数据分析基础之Pandas(一) Series的基本使用

栏目:Python 发布时间:2019-12-06 14:36 浏览量:142


本节主要介绍Python数据分析Pandas中的Series对象,Panda是数据分析中用于处理数据的工具,Series是序列,用于存储一行或者一列数据


首先安装Pandas 

pip install pandas


1.创建一个series

# coding=utf8

from pandas import Series

x=Series(['a',2,'鸡腿'],index=[1,2,3])  #如果没有index参数,则索引从0开始
print(x)
print(x[3])

x=Series([1,2,3])
print(x)

x=Series([1,2,3],index=['a','b','c'])
print(x)
print(x['a'])
print(x[1])  #此时也可以通过数值索引访问,'a'是索引名,1是索引号
#==================

#结果:
#1     a
#2     2
#3    鸡腿
#dtype: object
#鸡腿

#0    1
#1    2
#2    3
#dtype: int64

#a    1
#b    2
#c    3
#dtype: int64

#1

#左边的一列是索引,右边一列才是值


下面是其他用法:

y=x.append(Series([4,5,6]))  #往序列中追加元素,但是不能x.append([4,5,6])或者append(4)
print(y)
print(y.values)  #序列的值,返回一个列表
print(y.index)   #序列的索引,返回一个迭代对象
print(y.index[0])  #返回a
print(2 in y.values)  #判断2是否在序列的值中
print(x[1:3])   #切片
print(y[[0,2,1]]) #定位获取,常常用于随机抽取
print(y.index[2]) #根据索引号找到索引名
z = x.drop('b')  #删除索引为b的值,但不影响x,而是会将新序列返回给z
print(x)
print(z)

z = x.drop(x.index[2])  #根据索引号删除序列值,x.index[2]就是c,相当于x.drop('c')
print(z)

print(x[x.values>1])  #返回符合条件的元素组成的新序列,类似于切片,[]中的值返回的是列表中包着True和False

x[x.index[x.values==3]]=100   #将x中为3的值改为100,x.values==3返回的是[False,False,True]
print(x)
x.index=['A','B',"C"]   #修改x的索引名
print(x)

p=Series({"a":1,"b":2,"c":3,"d":4})  #将字典转为序列
print(p)
q = Series({"s":5.3,"a":0.9,"m":23,"g":20})
print(q.sort_index(ascending=False))   #根据索引排序,不影响原序列,默认ascending为True,即升序;False是降序
print(q.sort_values())  #根据值排序
print(q)

print(q.reindex(['m','g','s','a']))  #自定义排序,不影响原序列q
print(q.reindex(['m','g','s','x']))  #自定义排序,如果有不存在的索引名则引入缺失值NaN
print(q.reindex(["m","g","s","a","x"],fill_value=0)) #设置缺失值为0
q = Series({"s":5.3,"a":0.9,"m":23,"g":20})
print(q.sort_index(ascending=False))   #根据索引排序,不影响原序列,默认ascending为True,即升序;False是降序
print(q.sort_values())  #根据值排序
print(q)

print(q.reindex(['m','g','s','a']))  #自定义排序或者又叫做交换行位置,不影响原序列q
print(q.reindex(['m','g','s','x']))  #自定义排序,如果有不存在的索引名则引入缺失值NaN
print(q.reindex(["m","g","s","a","x"],fill_value=0)) #设置缺失值为0


更多Series相关操作后续介绍DataFrame的章节会有补充


如果您需要转载,可以点击下方按钮可以进行复制粘贴;本站博客文章为原创,请转载时注明以下信息

张柏沛IT技术博客 > Python数据分析基础之Pandas(一) Series的基本使用

热门推荐
推荐新闻