Pandas-Series

Pandas-Series

导入pandas：

import pandas as pd
from pandas import Series,DataFrame
import numpy as np

Series

Series是一种类似与一维数组的对象，由下面两个部分组成：

• values：一组数据（ndarray类型）
• index：相关的数据索引标签

series的创建

由列表或者numpy数组创建

默认索引为0到n-1的整数型索引，也叫隐式索引

#使用列表创建Series
Series(data=[1,2,3])
Series(data=[1,2,3],index=['a','b','c']) #显式索引

#使用numpy创建Series，只能用numpy创建的一维数组才可以使用
s = Series(data=np.random.randint(0,100,size=(4,)),index=['a','b','c','d'])

series的索引和切片

可以使用中括号取单个索引（此时返回的是元素类型），

或者中括号里一个列表取多个索引（此时返回的是一个Series类型）。

1.显式索引

使用index中的元素作为索引值

使用s.loc[]（推荐）:注意，loc中括号中放置的一定是显示索引，此时是闭区间，左右两个值都能取到

2.隐式索引

使用整数作为索引值

使用.iloc[]（推荐）:iloc中的中括号中必须放置隐式索引，此时是半开区间

3.隐式索引切片和显示索引切片

显示索引切片：index和loc

series的属性和方法

可以通过shape，size，index,values等得到series的属性

s.values

s.index

可以使用s.head(),tail()分别查看前n个和后n个值

s.head(2)
s.tail(2)

对Series元素进行去重

s = Series(data=[1,1,2,2,3,3,3,4,5,6,7,7,8,9,9,9])
s.unique()

数据缺失NaN

当索引没有对应的值时，可能出现缺失数据显示NaN（not a number）的情况

使得两个Series进行相加

s1 = Series(data=[1,2,3],index=['a','b','c'])
s2 = Series(data=[1,2,3],index=['a','b','d'])
s = s1 + s2

索引相同的对应相加，不同的显示NAN

可以使用pd.isnull()，pd.notnull()，或s.isnull(),notnull()函数检测缺失数据

s.isnull()
s.notnull()

满足条件为True，不满足为False

对数据进行筛选

s[[True,True,False,False]] # 只显示True所对应的内容

s[s.notnull()]

Series的运算

add() sub() mul() div()

s1.add(s2)
索引对应的进行运算，不匹配的显示NaN