pandas (1) Series数据结构
2018-01-26 10:04
465 查看
import numpy as np import pandas as pd from pandas import Series #1.创建一个有默认索引的Series,Series是一种类似与一维数组的对象, # 它由一组数据(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 obj = Series([4, 7, -5, 3]) print(obj) #2.通过Series的values和index属性获取数组表示形式和索引对象 print(obj.values) print(obj.index) #3.显示创建Series的索引,注意索引个数与数据的个数要一致 obj2 = Series([4, 7, -5, 3], index=['a', 'b', 'c', 'd']) print(obj2) print(obj2.values) print(obj2.index) #4.通过索引方式获取Series单个或一组值 print(obj2['a']) print(obj2[['a', 'b', 'c']]) #5.Numpy数组运算(如根据布尔数组进行过滤,标量乘法,应用数学函数等)都会保留索引和值直接的链接 print(obj2[obj2 > 0]) print(obj2 * 2) print(np.exp(obj2)) #6.Series看成是一个定长的有序字典,它可以用在许多原本需要字典的函数中 print('b' in obj2) print('e' in obj2) #7.如果数据被存放在一个字典中,可以直接通过字典来创建Series sdata = {'one': 1000, 'two': 2000, 'three': 3000} obj3 = Series(sdata) print(obj3) #8.sdata中跟states索引相匹配的那3个值会被找出来放到相应的位置上, #"four"所对应的值找不到,所以其结果为NaN states = ['one', 'two', 'three', 'four'] obj4 = Series(sdata, states) print(obj4) #9.pandas的isnull和notnull函数可用于检测缺失数据 print(pd.isnull(obj4)) print(pd.notnull(obj4)) #10.Series也有类似的实例方法 print(obj4.isnull()) #11.Series最重要的功能是:在算数运算中会自动对齐不同索引的数据 print(obj3 + obj4) #12.Series对象本身及其索引都有一个name属性,可以对这个name属性直接赋值 obj4.name = 'demo' obj4.index.name = 'state' print(obj4) #13.Series的索引可以通过赋值的方式直接修改,注意索引个数与数据的个数要一致 obj4.index = ['Bob', 'Steve', 'Jeff', 'Ryan'] print(obj4)
相关文章推荐
- [Python数据分析-01]Pandas数据结构之Series
- pandas的数据结构-Series
- numpy与pandas的数据结构互转:ndarray、series、dataframe
- numpy与pandas的数据结构互转:ndarray、series、dataframe
- Pandas数据结构之:Series
- Pandas 数据结构Series、DataFrame分析
- Pandas数据结构-Series
- 机器学习--数据分析Pandas(一)--数据结构Series
- python-pandas-Series和DataFrame数据结构构建
- Pandas两种主要的数据结构--Series和DataFrame
- 第5章-1 Pandas的数据结构介绍Series
- pandas 的数据结构(Series, DataFrame)
- pandas的数据结构series、dataframe
- pandas数据结构之Series
- Python Pandas常用数据结构Series和DataFrame的相关操作
- Python数据分析入门(一)-Pandas数据结构(Series)
- pandas的数据结构之Series
- Python数据分析入门(一)-Pandas数据结构(Series)
- python pandas中对Series数据进行轴向连接的实例
- Pandas Series笔记