Python——pandas模块—Series数据结构

Python——pandas模块—Series数据结构

pandas

Numpy更适合处理统一的数值数组数据
pandas是专门为处理表格和混杂数据设计的
panda有两种数据结构：

1. Series
2. DataFrame

Series

1. Series数据类型能够保存 任何类型的数据（整数，字符串，浮点数，Python对象等）的一维标记数组轴标签统称为索引，每个元素都带有一个索引
2. Series表现形式：索引在左边，值在右边
3. 可以通过Series的属性：
   index ——获取——索引列
   values——获取——数据列

可以这样想：每一个元素可以类似的看成一个字典，整个Series可以类似的看成一个二维数组

如图：

创建Series

没有指定索引列时，自动创建：0~~(N-1)(N：数组长度)的整数型索引

import pandas as pd
#通过传入一个列表用Series函数创建
obj = pd.Series([4,7,-5,3])
print('创建的Series对象为')
print(obj)

自动添加整数索引 0~~4（数组长度为4）

指定索引列index（数字，字符串）这点与数组不同，数组中的元素类型要相同

#指定索引列创建Series对象
obj = pd.Series([4,2,-5,3],index=[2,1,1,'r_4'])
print('指定索引列创建Series对象')
print(obj)

使用列表、数组构建Series

lis = [1,2,3,4,5,6,7]
array = np.arange(7)
Series_lis = pd.Series(lis)
Series_array = pd.Series(array)
print('通过列表创建的Series')
print(Series_lis)
print('通过数组创建的Series')
print(Series_array)

同样，还是自动添加索引列

通过字典/字典对象的方式创建Series

不同的是，在字典里的key不可重复
但是在Series中index是可以重复的

#创建一个字典对象方式
dic = dict(zip(lis,array))
#zip打包zip(lis,array)操作之后形成一个元组列表
Series_dict = pd.Series(dic)
print('通过字典对象创建的Series对象：')
print(Series_dict)
#直接传入字典方式
Series_dict2 = pd.Series({'a':1,'b':2,'c':3,'d':4})
print('直接传入字典的方式创建的Series')
print(Series_dict2)

访问Sreies

再来看一个字典构建Series实例

dic = {'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000}
a = pd.Series(dic)
print(a)

Series.head()从前访问

默认访问前5个元素

print(a.head(2))

Series.tail()从后访问

默认访问后5个元素

print(a.tail(2))

Sreies.index查看索引列

print(a.index)

Sreies.values查看数据列

print(a.values)

Series.dtype查看数据类型

print(a.dtype)

Series的使用

使用一个Series创建另一个Series

上面我们创建了一个Series对象a
接下来，我们用a创建另一个Series对象

'''字典构建Serise实例'''
dic = {'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000}
a = pd.Series(dic)
b = pd.Series(a,index=['California','Ohio','Oregon','Texas'])
print('通过一个对象构建的Series对象：')
print(b)

创建的时候，新的对象的索引列为传入的index
样板对象有的index直接取其value
样板对象没有的index，添加进去，value值设为缺失值NaN

缺失值检测

返回的是一个 数据列为bool型的对象
True：缺失值
False：不是缺失值

#缺失值检测
print('缺失值检测')
print(pd.isnull(b))

非缺失值检测

pd.notnull(Series)

练习

生成一个和sd长度相同的随机数Series
sd = pd.Series([1,2,3,4,5])

sd = pd.Series([1,2,4,1,2])
#生成一个与sd长度相同的随机数数列
a = np.random.random(len(sd))
#用数组创建Series对象
s = pd.Series(a)
print('创建的Series对象：')
print(s)

查找Series（索引）

[索引名]

当有相同索引名时，返回多条数据
再次验证了，Series对象中索引的名字不唯一，可以重复出现

#Series[索引名]
import pandas as pd
obj = pd.Series([1,2,3,4],index=['d','f','d','c'])
print('创建的Series：')
print(obj)
obj2 = obj['d']
print('查找索引为d的数据：')
print(obj2)

[索引位置下标]

下标的取值范围：[o,len(Series.values)]
可以是：
整数：正取，从0开始
负数：倒取，从-1开始

# [索引位置下标]
import pandas as pd
obj = pd.Series([1,2,3,4],index=['d','f','d','c'])
print('索引1的数据：',obj[1])
print('索引最后一个的数据：',obj[-1])

切片操作

类似Numpy的ndarray切片操作
不同的是，Series切片中的数据除了索引号，还可以是索引值
注意：
当使用索引值进行切片时，索引列里的索引值要唯一，除非切片的起始值为唯一索引

索引位置切片 [索引位置：索引位置：步长]

#索引位置切片
import pandas as pd
obj = pd.Series([1,2,3,4],index=['d','f','d','c'])
print(obj[1:3])

索引值切片[索引值：索引值]

当使用索引值进行切片时，索引列里的索引值要唯一，除非切片的起始值为唯一索引

#索引位置切片
import pandas as pd
obj = pd.Series([1,2,3,4],index=['d','f','d','c'])
print(obj['f':'c']

切片起始索引为不唯一索引时

import pandas as pd
obj = pd.Series([1,2,3,4],index=['d','f','d','c'])
print(obj['d':'c']

索引列重新赋值

import pandas as pd
obj = pd.Series([1,2,3,4],index=['d','f','d','c'])
obj.index = ['one','two','three','four']
print(obj)

此方法只能对index进行修改，不可以对values进行修改

Series的运算

Series保留了Numpy中的数组运算，均可以使用
Series进行数组运算的时候，索引与值之间的映射关系不会发生改变

一个Series与数值做运算

# Series运算
import pandas as pd
obj = pd.Series([100,200,300,400],index = ['one','two','three','four'])
print('初始数组:')
print(obj)
print('+1数组:')
print(obj+1)
print('-2初始数组:')
print(obj-2)
print('*3初始数组:')
print(obj*3)
print('/2初始数组:')
print(obj/2)

两个Series运算

两个对应元素进行+ - * /，对方没有的返回index，且value=NaN

import pandas as pd
obj = pd.Series([100,200,300,400],index = ['one','two','three','four'])
obj2 = pd.Series([1,2,3],index=['a','b','one'])
print(obj+obj2)

当两个Series对象中的某一重复索引个数为多个
要用Series1的索引对应的value，与Series2 中重复的索引对应的value分别运算，分别返回

总结：

对Series对象进行操作时，基本上可以看成对Numpy中的ndarray进行操作
ndarray中的绝大多数操作都可以用在Series上