3.1 series介绍

pandas简介

pandas是一个强大的 Python数据分析的工具包，是基于NmPy构建的。

pandas的主要功能

具备对其功能的数据结构 Dataframe, Series

集成时间序列功能

提供丰富的数学运算和操作

灵活处理缺失数据

安装方法：pip install pandas

引用方法：import pandas as pd

 

Series-一维数据对象

Series是一种类似于一维数组的对象，由一组数据和一组与之相关的数据标签（索引）组成。

创建方式：
In [7]: pd.Series([4,7,-4,2])
Out[7]:
0 4
1 7
2 -4
3 2
dtype: int64

In [8]: pd.Series([3,2,1,-5],index=['a','b','c','d'])
Out[8]:
a 3
b 2
c 1
d -5
dtype: int64

In [9]: pd.Series({'a':1,'b':2})
Out[9]:
a 1
b 2
dtype: int64

In [10]: pd.Series(0,index=['a','b','c','d'])
Out[10]:
a 0
b 0
c 0
d 0
dtype: int64    

获取值数组和索引数组：values属性和 index属性
Series比较像列表（数组）和字典的结合体

Series-使用特性

Series 支持arry的特性(下标)：
    从 ndarray 创建 Series: Series（arr)    
    与标量运算：sr*2
    两个 benes运算：sr1 + sr2
    索引：sr[0],sr[[1,2,4]]
    切片：sr[0:2]
    通用函数：np.abs（sr）
    布尔值过滤：sr[sr>0]

Series支持字典的特性（标签）
    从字典创建 Series:  Series（dic）,
    in运算：'a' in sr
    键索引：sr['a']，sr[['a'，'b'，'d']]

  

In [1]: import pandas as pd

In [2]: import numpy as np

In [3]: pd.Series(np.arange(5))
Out[3]:
0 0
1 1
2 2
3 3
4 4
dtype: int32

In [4]: pd.Series([2,3,4,5],index=['a','b','c','d'])
Out[4]:
a 2
b 3
c 4
d 5
dtype: int64

In [5]: sr = pd.Series([2,3,4,5],index=['a','b','c','d'])

In [6]: sr[0]
Out[6]: 2

In [7]: sr + 2
Out[7]:
a 4
b 5
c 6
d 7
dtype: int64


In [8]: sr + sr
Out[8]:
a 4
b 6
c 8
d 10
dtype: int64


In [9]: sr[0:2]
Out[9]:
a 2
b 3
dtype: int64

In [10]: sr
Out[10]:
a 2
b 3
c 4
d 5
dtype: int64

In [11]: sr[sr>4]
Out[11]:
d 5
dtype: int64



In [12]: sr = pd.Series({'a':1,'b':2})

In [13]: sr
Out[13]:
a 1
b 2
dtype: int64



In [12]: sr = pd.Series({'a':1,'b':2})

In [13]: sr
Out[13]:
a 1
b 2
dtype: int64

In [14]: sr['a']
Out[14]: 1

In [15]: 'a' in sr
Out[15]: True

In [16]: 'c' in sr
Out[16]: False

In [17]: for i in sr:
...: print(i)
...:
1
2

In [18]: sr.index
Out[18]: Index(['a', 'b'], dtype='object')

In [19]: sr.index[0]
Out[19]: 'a'

In [20]: sr.values
Out[20]: array([1, 2], dtype=int64)


In [21]: sr = pd.Series([1,2,3,4],index=['a','b','c','d'])

In [22]: sr
Out[22]:
a 1
b 2
c 3
d 4
dtype: int64

In [24]: sr[['a','c']]
Out[24]:
a 1
c 3
dtype: int64



In [25]: sr['a':'c']
Out[25]:
a 1
b 2
c 3
dtype: int64