Pandas 数据结构Series:基本概念及创建

Series:"一维数组"

1. 和一维数组的区别

# Series 数据结构
# Series 是带有标签的一维数组，可以保存任何数据类型（整数，字符串，浮点数，Python对象等）,轴标签统称为索引

s = pd.Series(np.random.rand(5))
print(s)        #从输出可见区别于数组，有了标签。Series = 一维数组+标签组成
print(type(s))
# 查看数据、数据类型

print(s.index,type(s.index))
print(s.values,type(s.values))
# .index查看series索引，类型为rangeindex
# .values查看series值，类型是ndarray

# 核心：series相比于ndarray，是一个自带索引index的数组 → 一维数组 + 对应索引
# 所以当只看series的值的时候，就是一个ndarray
# series和ndarray较相似，索引切片功能差别不大
# series和dict相比，series更像一个有顺序的字典（dict本身不存在顺序），其索引原理与字典相似（一个用key，一个用index）

运行结果：

0    0.732950
1    0.147740
2    0.219600
3    0.038931
4    0.910124
dtype: float64
<class 'pandas.core.series.Series'>
RangeIndex(start=0, stop=5, step=1) <class 'pandas.core.indexes.range.RangeIndex'>
[0.73295047 0.14774017 0.21959958 0.03893087 0.9101244 ] <class 'numpy.ndarray'>

2. 标签可以多元化，不一定为数字

import pandas as pd
S = pd.Series([99,66,78],index = ['Jone','Tom','James'])
print(S)
print(S.loc['James'])  # 用标签去求对应的值
print(S.iloc[0])     #后面会讲

输出：

Jone     99
Tom      66
James    78
dtype: int64
78
99

3. Series 的创建方法：

（1）由字典创建

# Series 创建方法一：由字典创建，字典的key就是index，values就是values

dic = {'a':1 ,'b':2 , 'c':3, '4':4, '5':5}
s = pd.Series(dic)
print(s)
# 注意：key肯定是字符串，假如values类型不止一个会怎么样？ → dic = {'a':1 ,'b':'hello' , 'c':3, '4':4, '5':5}
#如果值有一个是字符串，那么全都是字符串类型的了

输出结果：

4    4
5    5
a    1
b    2
c    3
dtype: int64

（2）由一维数组创建

# Series 创建方法二：由数组创建(一维数组)

arr = np.random.randn(5)
s = pd.Series(arr)
print(arr)
print(s)
# 默认index是从0开始，步长为1的数字

s = pd.Series(arr, index = ['a','b','c','d','e'],dtype = np.object)
print(s)
# index参数：设置index，长度保持一致
# dtype参数：设置数值类型

输出结果：

[-2.56328023  0.87233579  0.47630666  1.91715736 -1.26924024]
0   -2.563280
1    0.872336
2    0.476307
3    1.917157
4   -1.269240
dtype: float64
a    -2.56328
b    0.872336
c    0.476307
d     1.91716
e    -1.26924
dtype: object

（3）由序列创建

s = pd.Series([11,22,12,56,78,31])    #由序列创建
s

输出结果：

0    11
1    22
2    12
3    56
4    78
5    31
dtype: int64

4. 名称属性：“name"

# Series 名称属性：name

s1 = pd.Series(np.random.randn(5))
print(s1)
print('-----')
s2 = pd.Series(np.random.randn(5),name = 'test')
print(s2)
print(s1.name, s2.name,type(s2.name))
# name为Series的一个参数，创建一个数组的 名称
# .name方法：输出数组的名称，输出格式为str，如果没用定义输出名称，输出为None

s3 = s2.rename('hehehe')
print(s3)
print(s3.name, s2.name)
# .rename()重命名一个数组的名称，并且新指向一个数组，原数组不变

输出结果：

0   -1.285306
1   -0.586416
2   -1.966362
3   -1.507387
4    0.622088
dtype: float64
-----
0   -0.763427
1   -1.588831
2   -1.676116
3    0.453159
4   -0.874990
Name: test, dtype: float64
None test <class 'str'>
0   -0.763427
1   -1.588831
2   -1.676116
3    0.453159
4   -0.874990
Name: hehehe, dtype: float64
hehehe test

小练习：分别由字典、数组的方式，创建以下要求的Series

import pandas as pd
#(1)用字典创建
dic = {'Jack0':90,'Marry':92.,'Tom':89.0,'Zack':65.}
d = pd.Series(dic,name = '作业1')
print(d,'\n')

#(2)直接写
s = pd.Series([90.0,92.0,89.0,65.0],index = ['Jack','Marry','Tom','Zack'],name = "作业1")
print(s)