文章目录
Pandas库-Series类型
Series类型由一组数据和与之相关的数据索引组成。
Series=Index+ndarray
默认索引
#input#
import pandas as pd
a=pd.Series([9,8,7,6])
a#显示a的信息
#output#
0 9
1 8
2 7
3 6
dtype: int64
其中左侧为索引，右侧为数据，数据类型为int64（沿用numpy数据类型）
自定义索引
#input#
import pandas as pd
b=pd.Series([9,8,7,6],index=['a','b','c','d'])
b#显示b的信息
#output#
a 9
b 8
c 7
d 6
dtype: int64
创建
| 可以创建Series的类型 |
|---|
| 列表 |
| 标量值 |
| 字典 |
| ndarray |
| 其他函数 |
用标量值创建
#input#
import pandas as pd
s=pd.Series(25,index=['a','b','c'])#用值25创建,index不能省略
s#显示s的信息
#output#
a 25
b 25
c 25
dtype: int64
用字典创建
例1
#input#
import pandas as pd
d=pd.Series({'a':9,'b':8,'c':7})
d#显示d的信息
#output#
a 9
b 8
c 7
dtype: int64
例2
#input#
import pandas as pd
e=pd.Series({'a':9,'b':8,'c':7},index=['c','a','b','d'])
e#输出e的信息
#output#
c 7.0
a 9.0
b 8.0
d NaN
dtype: float64
index所对应的值来源于第一个字典参数，c对应7…，d没有对应，默认NaN
用ndarray创建
例1
#input#
import pandas as pd
import numpy as np
n=pd.Series(np.arange(5))
n#输出n的信息
0 0
1 1
2 2
3 3
4 4
dtype: int32
例2
#input#
import pandas as pd
import numpy as np
m=pd.Series(np.arange(5),index=np.arange(9,4,-1))
m#输出m的信息
9 0
8 1
7 2
6 3
5 4
dtype: int32
基本操作
例1
#IPython控制台操作#
import pandas as pd
b=pd.Series([9,8,7,6],['a','b','c','d'])#创建值，指定索引
b
Out[3]:
a 9
b 8
c 7
d 6
dtype: int64
b.index
Out[4]: Index(['a', 'b', 'c', 'd'], dtype='object')#索引为pandas定义的Index类型
b.values
Out[5]: array([9, 8, 7, 6], dtype=int64)#值为numpy定义的ndarray类型
b['b']
Out[6]: 8
b[1]
Out[7]: 8
b[['c','d',0]]#索引方式需一致，不然就像下面一样报错
Traceback (most recent call last):
File "<ipython-input-8-9469556e3898>", line 1, in <module>
b[['c','d',0]]
File "E:\Anaconda\lib\site-packages\pandas\core\series.py", line 910, in __getitem__
return self._get_with(key)
File "E:\Anaconda\lib\site-packages\pandas\core\series.py", line 958, in _get_with
return self.loc[key]
File "E:\Anaconda\lib\site-packages\pandas\core\indexing.py", line 1767, in __getitem__
return self._getitem_axis(maybe_callable, axis=axis)
File "E:\Anaconda\lib\site-packages\pandas\core\indexing.py", line 1953, in _getitem_axis
return self._getitem_iterable(key, axis=axis)
File "E:\Anaconda\lib\site-packages\pandas\core\indexing.py", line 1594, in _getitem_iterable
keyarr, indexer = self._get_listlike_indexer(key, axis, raise_missing=False)
File "E:\Anaconda\lib\site-packages\pandas\core\indexing.py", line 1552, in _get_listlike_indexer
keyarr, indexer, o._get_axis_number(axis), raise_missing=raise_missing
File "E:\Anaconda\lib\site-packages\pandas\core\indexing.py", line 1654, in _validate_read_indexer
"Passing list-likes to .loc or [] with any missing labels "
KeyError: 'Passing list-likes to .loc or [] with any missing labels is no longer supported, see https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#deprecate-loc-reindex-listlike'
b[['c','d','a']]#一致的索引
Out[9]:
c 7
d 6
a 9
dtype: int64
例2
#IPython控制台操作#
import pandas as pd
import numpy as np
b=pd.Series([9,8,7,6],['a','b','c','d'])
b
Out[4]:
a 9
b 8
c 7
d 6
dtype: int64
b[3]
Out[5]: 6
b[:3]#切片结果仍然为Series类型，结果保留自定义索引
Out[6]:
a 9
b 8
c 7
dtype: int64
b[b>b.median()]#可以使用ndarray的操作
Out[7]:
a 9
b 8
dtype: int64
np.exp(b)
Out[8]:
a 8103.083928
b 2980.957987
c 1096.633158
d 403.428793
dtype: float64
| Series类型操作和ndarray类似 |
|---|
| 索引方式相同，用[] |
| NumPy中的运算和操作可用于Series类型 |
| 可以通过自定义索引的列表进行切片 |
| 可以通过自动索引进行切片，如果存在自定义索引，则一同被切片 |
例3
#IPython控制台操作#
import pandas as pd
b=pd.Series([9,8,7,6],['a','b','c','d'])
b['b']
Out[3]: 8
'c' in b #in判断的是索引，这里为'c'是否在b的索引里面
Out[4]: True
0 in b
Out[5]: False
b.get('f',100) #如果存在索引'b'，返回索引对应的值；不存在索引'b'的话，返回100
Out[6]: 100
| Series类型的操作类似Python字典类型 |
|---|
| 通过自定义索引访问 |
| 保留字in操作 |
| 使用.get()方法 |
对齐操作
Series+Series
#IPython控制台操作#
import pandas as pd
a=pd.Series([1,2,3],['c','d','e'])
b=pd.Series([9,8,7,6],['a','b','c','d'])
a+b
Out[4]:
a NaN
b NaN
c 8.0
d 8.0
e NaN
dtype: float64
Series类型在运算中自动对齐不同索引的数据
Series的修改
import pandas as pd
b=pd.Series([9,8,7,6],['a','b','c','d'])
b['a']=15
b.name="Series"
b.index.name="索引"
b
Out[6]:
索引
a 15
b 8
c 7
d 6
Name: Series, dtype: int64
b.name="New Series"
b['b','c']=20
b
Out[9]:
索引
a 15
b 20
c 20
d 6
Name: New Series, dtype: int64
- Series可以随时修改，立即生效
- 可以设置Series.name和Series.index.name属性
