Pandas库--Series

1.Series

Series是一种类似于一维数组的对象，它由一维数组（各种numpy数据类型）以及一组与之相关的数据标签（即索引）组成.

可理解为带标签的一维数组，可存储整数、浮点数、字符串、Python 对象等类型的数据。

?

1 2 3 4 5 6 7 8 9 10 11

import pandas as pd import numpy as np   s = pd.Series(['a','b','c','d','e']) print(s) 0    a 1    b 2    c 3    d 4    e dtype: object

 

Seris中可以使用index设置索引列表。与字典不同的是，Seris允许索引重复

?

1 2 3 4 5 6 7 8 9

#与字典不同的是：Series允许索引重复 s = pd.Series(['a','b','c','d','e'],index=[100,200,100,400,500]) print(s) 100    a 200    b 100    c 400    d 500    e dtype: object

Series 可以用字典实例化

?

1 2 3 4 5 6

d = {'b': 1, 'a': 0, 'c': 2} pd.Series(d) b    1 a    0 c    2 dtype: int64

可以通过Series的values和index属性获取其数组表示形式和索引对象

?

1 2 3 4 5 6 7 8 9 10 11

print(s) print(s.values) print(s.index) 100    a 200    b 100    c 400    d 500    e dtype: object ['a' 'b' 'c' 'd' 'e'] Int64Index([100, 200, 100, 400, 500], dtype='int64')

?

1 2 3 4 5 6 7 8 9

#与普通numpy数组相比，可以通过索引的方式选取Series中的单个或一组值 print(s[100]) print(s[[400, 500]]) 100    a 100    c dtype: object 400    d 500    e dtype: object

 

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

s = pd.Series(np.array([1,2,3,4,5]), index=['a', 'b', 'c', 'd', 'e']) print(s)   #对应元素求和 print(s+s)   #对应元素乘 print(s*3)   a    1 b    2 c    3 d    4 e    5 dtype: int64 a     2 b     4 c     6 d     8 e    10 dtype: int64 a     3 b     6 c     9 d    12 e    15 dtype: int64

Series中最重要的一个功能是：它会在算术运算中自动对齐不同索引的数据

Series 和多维数组的主要区别在于， Series 之间的操作会自动基于标签对齐数据。因此，不用顾及执行计算操作的 Series 是否有相同的标签。

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

obj1 = pd.Series({"Ohio": 35000, "Oregon": 16000, "Texas": 71000, "Utah": 5000}) print(obj1) obj2 = pd.Series({"California": np.nan, "Ohio": 35000, "Oregon": 16000, "Texas": 71000}) print(obj2) print(obj1 + obj2) Ohio      35000 Oregon    16000 Texas     71000 Utah       5000 dtype: int64 California        NaN Ohio          35000.0 Oregon        16000.0 Texas         71000.0 dtype: float64 California         NaN Ohio           70000.0 Oregon         32000.0 Texas         142000.0 Utah               NaN dtype: float64

 

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

s = pd.Series(np.array([1,2,3,4,5]), index=['a', 'b', 'c', 'd', 'e'])   print(s[1:])   print(s[:-1])   print(s[1:] + s[:-1]) b    2 c    3 d    4 e    5 dtype: int64 a    1 b    2 c    3 d    4 dtype: int64 a    NaN b    4.0 c    6.0 d    8.0 e    NaN dtype: float64