python-pandas創(chuàng)建Series數(shù)據(jù)類型的操作
更新時間：2021年04月24日 11:37:20 作者：淋巴不想動
這篇文章主要介紹了python-pandas創(chuàng)建Series數(shù)據(jù)類型的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
1.什么是pandas
2.查看pandas版本信息
print(pd.__version__)
輸出：
0.24.1
3.常見數(shù)據(jù)類型
常見的數(shù)據(jù)類型:
- 一維: Series
- 二維: DataFrame
- 三維: Panel …
- 四維: Panel4D …
- N維: PanelND …
4.pandas創(chuàng)建Series數(shù)據(jù)類型對象
1). 通過列表創(chuàng)建Series對象
array = ["粉條", "粉絲", "粉帶"] # 如果不指定索引， 默認從0開始; s1 = pd.Series(data=array) print(s1) # 如果不指定索引， 默認從0開始; ss1 = pd.Series(data=array, index=['A', 'B', 'C']) print(ss1)
輸出：
0 粉條 1 粉絲 2 粉帶 dtype: object A 粉條 B 粉絲 C 粉帶 dtype: object
2). 通過numpy的對象Ndarray創(chuàng)建Series；
n = np.random.randn(5) # 隨機創(chuàng)建一個ndarray對象; s2 = pd.Series(data=n) print(s2) # 修改元素的數(shù)據(jù)類型; ss2 = s2.astype(np.int) print(ss2)
輸出：
0 -1.649755 1 0.607479 2 0.943136 3 -1.794060 4 1.569035 dtype: float64 0 -1 1 0 2 0 3 -1 4 1 dtype: int64
3). 通過字典創(chuàng)建Series對象;
dict = {string.ascii_lowercase[i]:i for i in range(10)}
s3 = pd.Series(dict)
print(s3)
輸出：
a 0 b 1 c 2 d 3 e 4 f 5 g 6 h 7 i 8 j 9 dtype: int64
5.Series基本操作
共同部分：
import pandas as pd import numpy as np import string array = ["粉條", "粉絲", "粉帶"] s1 = pd.Series(data=array) print(s1)
輸出：
0 粉條 1 粉絲 2 粉帶 dtype: object
1). 修改Series索引.index
print(s1.index) #輸出：RangeIndex(start=0, stop=3, step=1) s1.index = ['A', 'B', 'C'] print(s1)
輸出：
A 粉條 B 粉絲 C 粉帶 dtype: object
2). Series縱向拼接.append
s1.index = ['A', 'B', 'C'] array = ["粉條", "粉絲", "粉帶"] # 如果不指定索引， 默認從0開始; s2 = pd.Series(data=array) s3 = s1.append(s2) print(s3)
輸出：
A 粉條 B 粉絲 C 粉帶 0 粉條 1 粉絲 2 粉帶 dtype: object
3). 刪除指定索引對應的元素.drop(‘index')
s3 = s3.drop('C') # 刪除索引為‘C'對應的值;
print(s3)
輸出：
A 粉條 B 粉絲 0 粉條 1 粉絲 2 粉帶 dtype: object
4). 根據(jù)指定的索引查找元素
print(s3['B']) #粉絲 s3['B'] = np.nan #索引B處的值替換為缺失值 print(s3)
輸出：
A 粉條 B NaN 0 粉條 1 粉絲 2 粉帶 dtype: object
5). 切片操作 — 同列表
print(s3[:2]) #顯示前兩個元素 print(s3[::-1]) #逆序 print(s3[-2:]) # 顯示最后兩個元素
輸出：
A 粉條 B NaN dtype: object ------------------------- 2 粉帶 1 粉絲 0 粉條 B NaN A 粉條 dtype: object ------------------------- 1 粉絲 2 粉帶 dtype: object
6.Series運算
先設置兩個Series對象：
import pandas as pd import numpy as np import string s1 = pd.Series(np.arange(5), index=list(string.ascii_lowercase[:5])) s2 = pd.Series(np.arange(2, 8), index=list(string.ascii_lowercase[2:8])) print(s1) print(s2)
按照對應的索引進行計算， 如果索引不同，則填充為Nan;
1).加法add
print(s1 + s2) print(s1.add(s2))
輸出：
a NaN b NaN c 4.0 d 6.0 e 8.0 f NaN g NaN h NaN dtype: float64
2).減法sub
print(s1 - s2) print(s1.sub(s2))
輸出：
a NaN b NaN c 0.0 d 0.0 e 0.0 f NaN g NaN h NaN dtype: float64
3).乘法mul
print(s1 * s2) print(s1.mul(s2))
輸出：
a NaN b NaN c 4.0 d 9.0 e 16.0 f NaN g NaN h NaN dtype: float64
4).除法div
print(s1 / s2) print(s1.div(s2))
輸出：
a NaN b NaN c 1.0 d 1.0 e 1.0 f NaN g NaN h NaN dtype: float64
5).求中位數(shù)median
print(s1.median())
輸出：
2.0
6).求和sum
print(s1.sum())
輸出：
10
7).最大值max
print(s1.max())
輸出：
4
8).最小值min
print(s1.min())
輸出：
0
7.特殊的where方法
series中的where方法運行結(jié)果和numpy中完全不同
import pandas as pd import numpy as np import string s1 = pd.Series(np.arange(5), index=list(string.ascii_lowercase[:5])) print(s1)
輸出：
a 0 b 1 c 2 d 3 e 4 dtype: int64
print(s1.where(s1 > 3))
大于3的顯示，不大于3的為NaN
# 對象中小于3的元素賦值為10； print(s1.where(s1 > 3, 10))
# 對象中大于3的元素賦值為10； print(s1.mask(s1 > 3, 10))
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
相關文章
Python實現(xiàn)斐波那契數(shù)列的多種寫法總結(jié)
這篇文章主要給大家介紹了利用Python實現(xiàn)斐波那契數(shù)列的幾種方法，文中通過示例代碼介紹的非常詳細，對大家的學習或者使用Python具有一定的參考學習價值，需要的朋友們下面來一起學習學習吧2022-07-07
這篇文章主要給大家介紹了Python多線程批量采集圖片的代碼實現(xiàn),文中通過代碼示例講解的非常詳細,具有一定的參考價值,需要的朋友可以參考下2024-05-05
使用python的pexpect模塊,實現(xiàn)遠程免密登錄的示例
今天小編就為大家分享一篇使用python的pexpect模塊,實現(xiàn)遠程免密登錄的示例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-02-02
Python數(shù)據(jù)可視化實現(xiàn)漏斗圖過程圖解
這篇文章主要介紹了Python數(shù)據(jù)可視化實現(xiàn)漏斗圖過程圖解,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-07-07
Python?Paramiko上傳下載sftp文件及遠程執(zhí)行命令詳解
這篇文章主要為大家介紹了Python?Paramiko上傳下載sftp文件及遠程執(zhí)行命令示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-07-07
TensorFlow中tf.batch_matmul()的用法
這篇文章主要介紹了TensorFlow中tf.batch_matmul()的用法，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-06-06
使用Python下的XSLT API進行web開發(fā)的簡單教程
這篇文章主要介紹了使用Python下的XSLT API進行web開發(fā)的簡單教程,本文來自于IBM官方網(wǎng)站技術(shù)文檔,需要的朋友可以參考下2015-04-04
今天小編就為大家分享一篇python使用mitmproxy抓取瀏覽器請求的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-07-07
Python之NumPy(axis=0 與axis=1)區(qū)分詳解
這篇文章主要介紹了Python之NumPy(axis=0 與axis=1)區(qū)分詳解，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-05-05
Python使用PyNmap進行網(wǎng)絡掃描的詳細步驟
使用 PyNmap 進行網(wǎng)絡掃描是一個非常有效的方式,PyNmap 是 Nmap 工具的一個 Python 封裝,它允許你在 Python 腳本中使用 Nmap 的強大功能,本文介紹了如何使用 PyNmap 進行網(wǎng)絡掃描的詳細步驟,需要的朋友可以參考下2024-08-08