python学习笔记（2）：pandas库series

如无必要，本篇笔记均在已导入pandas库下进行，即在程序第一行加入：import pandas as pd

1.声明series对象

data = pd.Series([12,-4,7,9],index=['a','b','c','d'])

输出：

0    12
1    -4
2     7
3     9
dtype: int64

2.指定左侧的index

data = pd.Series([12,-4,7,9],index=['a','b','c','d'])

输出：

a    12
b    -4
c     7
d     9
dtype: int64

3.查看组成data的两个数组，可以调用两个属性

data.values
data.index

输出：

array([12, -4,  7,  9], dtype=int64)

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

4.赋值

data['c'] = 1

输出

a    12
b    -4
c     1
d     9
dtype: int64

5.结合numpy赋值,但是在创建好series后修改numpy创建的数组，series也会相应发生变化

arr = np.array([2,3,5]) 
pd.Series(arr)

输出：

0    2
1    3
2    5
dtype: int32

6.筛选元素（与MATLAB类似，但是矩阵带有是[]）

data[data>7]

输出：

a    12
d     9
dtype: int64

8.数学运算，与numpy一致

9.取所有出现的数字与MATLAB一致，用到unique函数，统计出现的次数用value_counts

data.unique()
data.value_counts()

输出：

array([12, -4,  1,  9], dtype=int64)

 12    1
-4     1
 9     1
 1     1
dtype: int64

10.isin寻找值与data[data == 7]的作用类似，但是isin一次可以寻找多个值

ser = data.isin([0,7])
data[ser]

输出：

c    7

dtype: int64

11.Series用作词典

mydict = {'red': 2000,'blue': 1000,'yellow': 500,'orange': 1000} pd.Series(mydict)

输出

blue      1000
orange    1000
red       2000
yellow     500
dtype: int64

等于预设字母对应的值，直接字母读取

colors = ['red','yellow','green']
myseries = pd.Series(mydict,index=colors)
print(myseries)

输出

red       2000.0
yellow     500.0
green        NaN
dtype: float64