Python Pandas - Series
Series是一维标记数组,能够保存任何类型的数据(整数,字符串,浮点数,python对象等)。 轴标签统称为索引。
pandas.Series
可以使用以下构造函数创建pandas系列 -pandas.Series( data, index, dtype, copy)
构造函数的参数如下 -S.No参数和描述
1data
数据采用各种形式,如ndarray,list,常量
2index
索引值必须是唯一且可清除的,与数据长度相同。 如果没有传递索引,则默认为np.arrange(n) 。
3dtype
dtype用于数据类型。 如果为None,则将推断数据类型
4copy
复制数据。 默认为False
可以使用各种输入创建系列,例如 -Array
Dict
Scalar value or constant
创建一个空系列
可以创建的基本系列是空系列。
例子 (Example)#import the pandas library and aliasing as pd
import pandas as pd
s = pd.Series()
print s
其output如下 -Series([], dtype: float64)
从ndarray创建一个系列
如果数据是ndarray,则传递的索引必须具有相同的长度。 如果没有传递索引,那么默认索引将是range(n) ,其中n是数组长度,即[0,1,2,3 .... range(len(array))-1].
例子1 (Example 1)#import the pandas library and aliasing as pd
import pandas as pd
import numpy as np
data = np.array(['a','b','c','d'])
s = pd.Series(data)
print s
其output如下 -0 a
1 b
2 c
3 d
dtype: object
我们没有传递任何索引,因此默认情况下,它分配的索引范围从0到len(data)-1 ,即0到3。
例子2 (Example 2)#import the pandas library and aliasing as pd
import pandas as pd
import numpy as np
data = np.array(['a','b','c','d'])
s = pd.Series(data,index=[100,101,102,103])
print s
其output如下 -100 a
101 b
102 c
103 d
dtype: object
我们在这里传递了索引值。 现在我们可以在输出中看到自定义的索引值。
从dict创建一个系列
可以将dict作为输入传递,如果未指定索引,则按排序顺序获取字典键以构造索引。 如果传递了索引,则将拉出与索引中的标签对应的数据中的值。
例子1 (Example 1)#import the pandas library and aliasing as pd
import pandas as pd
import numpy as np
data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data)
print s
其output如下 -a 0.0
b 1.0
c 2.0
dtype: float64
Observe - 字典键用于构造索引。
例子2 (Example 2)#import the pandas library and aliasing as pd
import pandas as pd
import numpy as np
data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data,index=['b','c','d','a'])
print s
其output如下 -b 1.0
c 2.0
d NaN
a 0.0
dtype: float64
Observe - 索引顺序是持久的,缺少的元素用NaN(非数字)填充。
从标量创建一个系列
如果数据是标量值,则必须提供索引。 将重复该值以匹配index的长度#import the pandas library and aliasing as pd
import pandas as pd
import numpy as np
s = pd.Series(5, index=[0, 1, 2, 3])
print s
其output如下 -0 5
1 5
2 5
3 5
dtype: int64
从具有位置的系列访问数据
系列中的数据可以类似于ndarray.中的数据访问ndarray.
例子1 (Example 1)
检索第一个元素。 我们已经知道,对于数组,计数从零开始,这意味着第一个元素存储在第零个位置,依此类推。import pandas as pd
s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
#retrieve the first element
print s[0]
其output如下 -1
例子2 (Example 2)
检索系列中的前三个元素。 如果在其前面插入:,则将提取该索引以后的所有项目。 如果使用两个参数(在它们之间):两个索引之间的项目(不包括停止索引)import pandas as pd
s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
#retrieve the first three element
print s[:3]
其output如下 -a 1
b 2
c 3
dtype: int64
例子3 (Example 3)
检索最后三个元素。import pandas as pd
s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
#retrieve the last three element
print s[-3:]
其output如下 -c 3
d 4
e 5
dtype: int64
使用标签(索引)检索数据
Series类似于固定大小的dict ,您可以通过索引标签获取和设置值。
例子1 (Example 1)
使用索引标签值检索单个元素。import pandas as pd
s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
#retrieve a single element
print s['a']
其output如下 -1
例子2 (Example 2)
使用索引标签值列表检索多个元素。import pandas as pd
s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
#retrieve multiple elements
print s[['a','c','d']]
其output如下 -a 1
c 3
d 4
dtype: int64
例子3 (Example 3)
如果未包含标签,则会引发异常。import pandas as pd
s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
#retrieve multiple elements
print s['f']
其output如下 -…
KeyError: 'f'
数据结构简介(Introduction to Data Structures)