软件测试|数据分析神器pandas教程(二)
前言
上一篇文章我们介绍了pandas的安装,并且写了一个简单的示例,本篇文章我们就开始学习pandas的数据结构。
数据结构-Series
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
创建一个简单的 Series 实例:
import pandas as pd
a = [4, 5, 6]
mydata = pd.Series(a)
print(mydata)
----------------------
输出内容如下:
0 4
1 5
2 6
dtype: int64
从上可知,如果没有指定索引,索引值就从 0 开始,我们可以根据索引值读取数据代码如下:
import pandas as pd
a = [4, 5, 6]
mydata = pd.Series(a)
print(mydata[1])
----------------------------
输出结果如下:
5
我们也可以指定索引值,这样就可以按照索引输出内容,代码如下:
import pandas as pd
place = ["Jiangxi", "Ganzhou", "Zhanggong"]
mydata = pd.Series(place, index = ["provice", "city", "district"])
print(mydata)
---------------------------------------
输出结果如下:
provice Jiangxi
city Ganzhou
district Zhanggong
dtype: object
同样,我们也可以根据指定的索引输出内容,代码如下:
import pandas as pd
place = ["Jiangxi", "Ganzhou", "Zhanggong"]
mydata = pd.Series(place, index = ["provice", "city", "district"])
print(mydata["city"])
-----------------------
输出结果如下:
Ganzhou
类似字典方法,通过键值对对象创建Series,代码如下:
import numpy as np
place = {"provice": "Jiangxi", "city": "Ganzhou", "district": "Zhanggong"}
mydata = pd.Series(place)
print(mydata)
---------------------------
输出结果如下:
provice Jiangxi
city Ganzhou
district Zhanggong
dtype: object
从输出结果可以得知,字典的键成为了索引,如果我们需要字典中的一部分数据,只需要指定需要数据的索引即可,代码如下:
import numpy as np
place = {"provice": "Jiangxi", "city": "Ganzhou", "district": "Zhanggong"}
mydata = pd.Series(place, index=['city', 'district'])
print(mydata)
----------------------------------------
输出结果如下:
city Ganzhou
district Zhanggong
dtype: object
我们同样可以设置 Series 名称参数,代码如下:
import numpy as np
place = {"provice": "Jiangxi", "city": "Ganzhou", "district": "Zhanggong"}
mydata = pd.Series(place, index=['city', 'district'], name="my hometown")
print(mydata)
--------------------------
输出结果如下:
city Ganzhou
district Zhanggong
Name: my hometown, dtype: object
总结
本文主要介绍了pandas的Series数据结构,这个数据结构较为简单,后续我们将介绍dataframe数据结构。