pandas模块常用函数解析之Series

关注公众号“轻松学编程”了解更多。

以下命令都是在浏览器中输入。

cmd命令窗口输入：jupyter notebook

一、导入模块

import numpy as np

import pandas as pd

from pandas import Series,DataFrame

二、Series

Series是一种类似于一维数组的对象，由下面两个部分组成：

values：一组数据（ndarray类型）
index：相关的数据索引标签

1、Series的创建

两种创建方式

1.1 由列表或numpy数组创建

默认索引为0到N-1的整数型索引

#使用列表创建Series

s1=Series(data=[1,2,3,4,5])

s1

type(s1)

结果为：

pandas.core.series.Series

#使用numpy创建Series

s2=Series(data=np.linspace(0,10,3))

s2

使用Index参数指定索引

s3=Series(data=np.random.randint(60,100,size=(3)),

index=['语文','数学','英语'])

s3

使用name参数

s4=Series(data=np.random.randint(60,100,size=(3)),

index=['语文','数学','英语'],name='分数')

s4

1.2 由字典创建

不能再使用index，但是依然存在默认索引(即0,1,2,3…) 。

dic={

    'python':99,

    'java':80,

    'C++':70

}

s5=Series(data=dic)

s5

注意：数据源(data)要为一维数组。

2、Series的索引和切片

可以使用中括号取单个索引（此时返回的是元素类型），

或者中括号里一个列表取多个索引（此时返回的是一个Series类型）。分为显示索引和隐式索引：

2.1显式索引

使用index中的元素作为索引值
使用s.loc:注意，loc中括号中放置的一定是显示索引

s=Series(data=np.random.randint(60,100,size=(5,)),

         index=['python','java','php','c','c#'],name="分数")

s

s['python']

结果为：

92

#取多个索引

s[['php','java']]

结果为：

php     91

java    69

Name: 分数, dtype: int32

#使用.loc[]

s.loc['java']

结果为：

69

s.loc[['php','java']]

2.2 隐式索引

使用整数作为索引值
使用.iloc:iloc中的中括号中必须放置隐式索引

#s[0]对应为s['python]

s[0]

结果为：

92

s[[1,2]]

s.iloc[0]

结果为：

92

s.iloc[[1,2]]

2.3 显式索引切片

使用冒号进行切片：

显示索引切片:index和loc

s.loc['python':'java']

2.4隐式索引切片

使用冒号进行切片：

隐式索引切片：整数索引值和iloc

s.iloc[1:3]

3、Series的基本概念

可以把Series看成一个定长的有序字典。

向Series增加一行：相当于给字典增加一组键值对。

#增加

s['C++']=70

s

可以通过shape，size，index,values等得到series的属性

s.shape

结果为：

(6,)

s.size

结果为：

6

s.index

结果为：

Index(['python', 'java', 'php', 'c', 'c#', 'C++'], dtype='object')

s.values

结果为：

array([92, 69, 91, 63, 84, 70], dtype=int64)

可以使用s.head(),**tail()**分别查看前n个和后n个值，默认n=5。

s.head(3)

s.tail(3)

当索引没有对应的值时，可能出现缺失数据显示NaN（not a number）的情况。

可以使用pd.isnull()，pd.notnull()，或s.isnull(),notnull()函数检测缺失数据

4、 Series的运算

4.1 + - * /

4.2 add() sub() mul() div()

s1.add(s2)  #s1加上s2

4.3 Series之间的运算

在运算中自动对齐不同索引的数据
如果索引不对应，则补NaN

下面是Python 操作符与pandas操作函数的对应表：

Python Operator	Pandas Method(s)
`+`	`add()`
`-`	`sub()`, `subtract()`
`*`	`mul()`, `multiply()`
`/`	`truediv()`, `div()`, `divide()`
`//`	`floordiv()`
`%`	`mod()`
`**`	`pow()`

5、取 Series 的最大\小值的索引值

可以使用：

获取最大值索引：argmax() 、 idxmax ()

获取最小值索引：argmin() 、 idxmin ()

s=Series(data={

    "语文":120,

    "数学":109,

    "英语":130

})

s

6、把索引变成列

使用reset_index()函数

s=Series(data={

    "语文":120,

    "数学":109,

    "英语":130

},name="分数")

s

s.reset_index(name='分数')

7、获取索引位置

s=Series(data=['a','b','c','d'])

np.argwhere(s[['a']])[0][0]

输出：

0

8、数组维数转换

s=Series(data=['a','b','c','d'])

#转换成一列四行的2维数组

#newaxis相当于是None的意思

s[:,np.newaxis]

效果等同：

s.reshape(-1,1)

9、使用np.hstack()合并数组

x=Series(data=[1,2,3,4])

y=Series(data=[1,2,3,4])

#先把x和y转成二维数组，然后再合并

np.hstack((x.reshape(-1,1),y.reshape(-1,1)))

类似与x轴和y轴合并成坐标点。

后记

【后记】为了让大家能够轻松学编程，我创建了一个公众号【轻松学编程】，里面有让你快速学会编程的文章，当然也有一些干货提高你的编程水平，也有一些编程项目适合做一些课程设计等课题。

也可加我微信【1257309054】，拉你进群，大家一起交流学习。
如果文章对您有帮助，请我喝杯咖啡吧！

公众号

关注我，我们一起成长~~