CHO2 数据分析工具 Pandas

【课程2.2】 Pandas数据结构Series：基本概念及创建
"一维数组"Serise

import numpy as np
import pandas as pd
# 导入numpy、pandas模块

s = pd.Series(np.random.rand(5),index=list('abcde'))
print(s)
print(type(s))
# 查看数据、数据类型，所有的Pandas 数据结构都有index:

print('----------------')
print(list(s.index))   #第一列

#第二列 值
print(s.values)
# .index查看series索引，类型为rangeindex
# .values查看series值，类型是ndarray

# 核心：series相比于ndarray，是一个自带索引index的数组 → 一维数组 + 对应索引
# 所以当只看series的值的时候，就是一个ndarray
# series和ndarray较相似，索引切片功能差别不大
# series和dict相比，series更像一个有顺序的字典（dict本身不存在顺序），其索引原理与字典相似（一个用key，一个用index）

a    0.644754
b    0.900776
c    0.688774
d    0.823236
e    0.813280
dtype: float64

----------------
['a', 'b', 'c', 'd', 'e']
[ 0.64475351  0.90077556  0.68877405  0.82323593  0.81328029]

Series 数据结构
Series 是带有标签的一维数组，可以保存任何数据类型（整数，字符串，浮点数，Python对象等）,轴标签统称为索引

# Series 创建方法一：由字典创建，字典的key就是index，values就是values

dic = {'a':1 ,'b':2 , 'c':3, '4':4, '5':15}
s = pd.Series(dic)
print(s)
# 注意：key肯定是字符串，假如values类型不止一个会怎么样？ → dic = {'a':1 ,'b':'hello' , 'c':3, '4':4, '5':5}

4     4
5    15
a     1
b     2
c     3
dtype: int64

---

# Series 创建方法二：由数组创建(一维数组)

arr = np.random.randn(6)
s = pd.Series(arr,index=list('abcdef'))
print(arr)
print(s)
# 默认index是从0开始，步长为1的数字

s = pd.Series(arr, index = ['a','b','c','d','e','f'],dtype = np.object)
print(s)
# index参数：设置index，长度保持一致
# dtype参数：设置数值类型

[ 2.54754718  0.42551601  2.1959398  -0.89805983  0.31313358 -0.18893152]
a    2.547547
b    0.425516
c    2.195940
d   -0.898060
e    0.313134
f   -0.188932
dtype: float64
a     2.54755
b    0.425516
c     2.19594
d    -0.89806
e    0.313134
f   -0.188932
dtype: object

---

# Series 名称属性：name

s1 = pd.Series(np.random.randn(5))
print(s1)
print('-----')
s2 = pd.Series(np.random.randn(5),name = 'test')
print(s2)
print(s1.name, s2.name,type(s2.name))
# name为Series的一个参数，创建一个数组的 名称
# .name方法：输出数组的名称，输出格式为str，如果没用定义输出名称，输出为None

s3 = s2.rename('hehehe')
print(s3)
print(s3.name, s2.name)
# .rename()重命名一个数组的名称，并且新指向一个数组，原数组不变

0    1.149202
1   -0.563965
2    0.155182
3    1.269081
4    0.396754
dtype: float64
-----
0    0.002317
1   -0.388313
2   -0.364267
3    0.494363
4   -1.495762
Name: test, dtype: float64
None test 
0    0.002317
1   -0.388313
2   -0.364267
3    0.494363
4   -1.495762
Name: hehehe, dtype: float64
hehehe test

---

# Series 创建方法三：由标量创建

s = pd.Series(10, index = range(4))
print(s)
# 如果data是标量值，则必须提供索引。该值会重复，来匹配索引的长度

0    10
1    10
2    10
3    10
dtype: int64

---