Python数据处理、分析和可视化-Pandas Series介绍使用

Series介绍 

Pandas的两大主要数据结构 Series和DateFrame，其中Series是带标签的一维数组，可存储整数、浮点数、字符串、Python 对象等类型的数据。

Pandas Series 类似表格中的一个列（column），类似于一维数组，可以保存任何数据类型。

Series 由索引（index）和列组成，函数如下：

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

参数说明：

• 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。

Pandas-Series使用

创建数组

from pandas import Series
a = [2,3,4,5]
s = Series(a)

0    2
1    3
2    4
3    5
dtype: int64

列出数组索引index信息

s.index

RangeIndex(start=0, stop=4, step=1)

列出数组values值

s.values

array([2, 3, 4, 5], dtype=int64)

索引（index）和值（values）组成Series

s1 = Series(a, index=['A','B','C','D'])

A    2
B    3
C    4
D    5
dtype: int64

列出Series-s1索引 

s1.index

Index(['A', 'B', 'C', 'D'], dtype='object')

 定义字典并Series格式化s3

d = {'A':3,'B':3,'C':2,'D':1}
s3 = Series(d)

A    3
B    3
C    2
D    1
dtype: int64

 列出Series-s3索引 

s3.index

Index(['A', 'B', 'C', 'D'], dtype='object')

列出Series-s3值 

s3.values

array([3, 3, 2, 1], dtype=int64)

Series-s3字典格式化

s3.to_dict()

{'A': 3, 'B': 3, 'C': 2, 'D': 1}

 查询字典中索引为A的值

s3['A']

3

 列出s3中大于1的值

s3[s3>1]

A    3
B    3
C    2
dtype: int64
-----------------------------------
type(s3[s3>1])
pandas.core.series.Series

s3最大值和最小值 

s3.max()
3
-------------
s3.min()
1

 s3移除某个索引

s3.pop('C')
2
-------------------------
print(s3)

A    3
B    3
D    1
dtype: int64

 创建索引（index）指定和值（values）组成Series s4

s4 = Series(s3, index=['E','F','H'])

E   NaN
F   NaN
H   NaN
dtype: float64

创建索引（index）指定和值（values）组成Series s5 

s5 = Series(s3, index=['A','B','C'])

A    3.0
B    3.0
C    NaN
dtype: float64

查询s4\s5是否为空 

s5.isnull()

A    False
B    False
C     True
dtype: bool
--------------------------
s5.notnull()

A     True
B     True
C    False
dtype: bool

Numpy-Series使用

import numpy as np
s2 = Series(np.arange(5))

0    0
1    1
2    2
3    3
4    4
dtype: int32

s2.values
array([0, 1, 2, 3, 4])