Pandas详解一之Series对象
约定：
import pandas as pd
from pandas import Series,DataFrame
import numpy as npSeries
一、Series属性及方法
- Series是Pandas中最基本的对象，Series类似一种一维数组:
se1=Series([4,7,-2,8])
se1代码结果：
0 4
1 7
2 -2
3 8
dtype: int64
- 通常，我们希望能自己创建索引：
se2=Series([4,7,-2,8],index=['b','c','a','d'])
se2代码结果：
b 4
c 7
a -2
d 8
dtype: int64
- 可通过Series的俩个属性values和index获取内容和索引:
se1.values代码结果：
array([ 4, 7, -2, 8], dtype=int64)
se1.index代码结果：
RangeIndex(start=0, stop=4, step=1)
- Series对象有字典的功能：
'b' in se2代码结果：
True
list(se2)代码结果：
[4, 7, -2, 8]
list(se2.iteritems())代码结果：
[('b', 4), ('c', 7), ('a', -2), ('d', 8)]
- 还可将字典转换为Series：
dict={"red":100,"black":400,"green":300,"pink":900}se3=Series(dict)
se3代码结果：
black 400
green 300
pink 900
red 100
dtype: int64
- Series对象的内容和索引都有个name属性：
se3代码结果：
black 400
green 300
pink 900
red 100
dtype: int64
se3.name="values"
se3.index.name="color"
se3代码结果：
color
black 400
green 300
pink 900
red 100
Name: values, dtype: int64
- 用pandas的isnull和nonull可检测缺失数据：
pd.isnull(se3)代码结果：
purple False
brown False
glod False
blue False
Name: values, dtype: bool
pd.notnull(se3)代码结果：
purple True
brown True
glod True
blue True
Name: values, dtype: bool
- 或者直接用Series对象（se4）的 isnull ：
se3.isnull()代码结果：
purple False
brown False
glod False
blue False
Name: values, dtype: bool
二、Series对象存取
- Series对象的下标运算同时支持位置和标签两种方式：
print("位置下标： ",se2[1])
print("标签下标： ",se2['c'])代码结果：
位置下标： 7
标签下标： 7
- Series对象支持位置切片和标签切片，但需要注意的是后者包括结束标签:
se2代码结果：
b 4
c 7
a -2
d 8
dtype: int64
se2[1:3]代码结果：
c 7
a -2
dtype: int64
se2['b':'a']代码结果：
b 4
c 7
a -2
dtype: int64
- 和ndarray数组一样，可以用位置列表、位置数组来存取元素，同样地，标签列表、标签数组也能存取：
se2[[1,3,2]]代码结果：
c 7
d 8
a -2
dtype: int64
se2[['a','b','c']]代码结果：
a -2
b 4
c 7
dtype: int64
- 还可通过索引进行排序（字典中缺失的则用NaN作为内容）：
se4=Series(dict,index=["red","yellow","green","white","black","pink"])
se4代码结果：
red 100.0
yellow NaN
green 300.0
white NaN
black 400.0
pink 900.0
dtype: float64
- Series对象的内容可通过索引赋值进行重新排序：
se4.index=["red","yellow","black","pink","green","white"]
se4代码结果：
red 100.0
yellow NaN
black 300.0
pink NaN
green 400.0
white 900.0
dtype: float64
三、Series运算特性
- 可支持Numpy数组运算（布尔数组过滤、标量乘法、数学函数）：
se2代码结果：
b 4
c 7
a -2
d 8
dtype: int64
se2[se2>0]代码结果：
b 4
c 7
d 8
dtype: int64
se2*2代码结果：
b 8
c 14
a -4
d 16
dtype: int64
np.exp(se2)代码结果：
b 54.598150
c 1096.633158
a 0.135335
d 2980.957987
dtype: float64
- 两个Series对象支持操作符运算，Series会按照标签对齐元素再运算（也就是只有相同标签的元素才能进行运算），当某一方标签不存在则默认用NaN填充：
se2+se3代码结果：
a NaN
b NaN
blue NaN
brown NaN
c NaN
d NaN
glod NaN
purple NaN
dtype: float64
谢谢大家的浏览，
希望我的努力对您有帮助，
共勉！