pandas菜鸟速学-series

一、pandas是什么

一个基于numpy的数据处理数据分析的工具。

特点：

Pandas 的主要数据结构是 Series （一维数据）与 DataFrame（二维数据），这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。

一个简单实例：

import pandas as pd
#以下代码是一个比较简单的dataframe数据类型的实例化案例。
mydataset = {
  'sites': ["Google", "Runoob", "Wiki"],
  'number': [1, 2, 3]
}

myvar = pd.DataFrame(mydataset)

print(myvar)

以上代码输出：

二、了解pandas的两种主要数据结构

大致的理解：pandas的series数据结构 = 表格的一列 = 一维数组 = Python的一维列表

series（）函数的参数说明：

pandas.Series( data, index, dtype, name, copy)

'''
data：一组数据(ndarray 类型)。

index：数据索引标签，如果不指定，默认从 0 开始。

dtype：数据类型，默认会自己判断。

name：设置名称。

copy：拷贝数据，默认为 False。

'''

以下案例表示数据被series处理后后输出成的样子：

指定某一字段的索引值：

import pandas as pd

a = ["Google", "Runoob", "Wiki"]

myvar = pd.Series(a, index = ["x", "y", "z"])

print(myvar)

索引值和字段对应关系如下：

使用索引值去取值：

import pandas as pd

a = ["Google", "Runoob", "Wiki"]

myvar = pd.Series(a, index = ["x", "y", "z"])

print(myvar["y"])


#输出结果如下：

#Runoob

记忆点：series对象[索引值]取值，类似于列表的通过索引取值，只不过series的索引可以指定。

从上述案例可知，可以通过series（）对列表操作，并通过index参数指定索引来创建series对象，如果实现上述相同效果，我们还可以通过series（）直接对字典类型处理获得，这时字典的keys被自动默认为series对象的索引。如下：

import pandas as pd

sites = {1: "Google", 2: "Runoob", 3: "Wiki"}

myvar = pd.Series(sites)

print(myvar)

运行效果：

同样的，可以通过指定index索引值来获取部分数据：

import pandas as pd

sites = {1: "Google", 2: "Runoob", 3: "Wiki"}

myvar = pd.Series(sites, index = [1, 2])

print(myvar)