# 005.python科学计算库pandas(下)

### series

```import pandas as pd
from pandas import Series

series_film = fandango['FILM']
print(series_film[0:5])
print("----------------------------------")
series_rt = fandango['RottenTomatoes']
print(series_rt[0:5])
print("----------------------------------")
film_names = series_film.values
rt_scores = series_rt.values
# 带轴标的一维ndarray(包括时间序列)。
series_custom = Series(rt_scores, index=film_names)
print(series_custom[['Minions (2015)', 'Leviathan (2014)']])
print("----------------------------------")
print(series_custom[4:6])```

### sort

```import pandas as pd
from pandas import Series

series_film = fandango['FILM']
series_rt = fandango['RottenTomatoes']
film_names = series_film.values
rt_scores = series_rt.values
# 带轴标的一维ndarray(包括时间序列)。
series_custom = Series(rt_scores, index=film_names)
original_index = series_custom.index.tolist()
# sorted 以升序返回一个包含迭代中所有项的新列表。
sorted_index = sorted(original_index)
print(sorted_index)
print("----------------------------------")
# 按照已排序后的sorted_index来排序series_custom (sorted_index 和 series_custom.index 元素需保持一致)
sorted_by_index = series_custom.reindex(sorted_index)
print(sorted_by_index)```
```import pandas as pd
from pandas import Series

series_film = fandango['FILM']
series_rt = fandango['RottenTomatoes']
film_names = series_film.values
rt_scores = series_rt.values
# 带轴标的一维ndarray(包括时间序列)。
series_custom = Series(rt_scores, index=film_names)
sc2 = series_custom.sort_index()
print(sc2[0:4])
print("----------------------------------")
sc3 = series_custom.sort_values()
print(sc3[0:4])```

### series算术运算

```import pandas as pd
from pandas import Series
import numpy as np

series_film = fandango['FILM']
series_rt = fandango['RottenTomatoes']
film_names = series_film.values
rt_scores = series_rt.values
# 带轴标的一维ndarray(包括时间序列)。
series_custom = Series(rt_scores, index=film_names)
print(series_custom[0:3])
print("----------------------------------")
# 将每个值相加
print("----------------------------------")
# 对每个值应用正弦函数
print(np.sin(series_custom)[0:3])
print("----------------------------------")
# 返回最高值(将返回单个值而不是一系列值)
print(np.max(series_custom))```
```import pandas as pd
from pandas import Series

series_film = fandango['FILM']
series_rt = fandango['RottenTomatoes']
film_names = series_film.values
rt_scores = series_rt.values
# 带轴标的一维ndarray(包括时间序列)。
series_custom = Series(rt_scores, index=film_names)
# series_custom > 50 会为每个film返回一个带有布尔值的系列对象
series_greater_than_50 = series_custom[series_custom > 50]
print(series_greater_than_50[0:5])
print("-----------------------------------")
both_criteria = series_custom[(series_custom > 50) & (series_custom < 75)]
print(both_criteria[0:5])```
```import pandas as pd
from pandas import Series

rt_critics = Series(fandango['RottenTomatoes'].values, index=fandango['FILM'])
print(rt_critics[0:3])
rt_users = Series(fandango['RottenTomatoes_User'].values, index=fandango['FILM'])
print(rt_users[0:3])
rt_mean = (rt_critics + rt_users) / 2
print(rt_mean[0:3])```

### set_index

```import pandas as pd
from pandas import Series

# set_index 使用一个或多个现有列设置DataFrame索引(行标签)。默认情况下，生成一个新对象。
#       drop : boolean, default True 删除要用作新索引的列
fandango_films = fandango.set_index('FILM', drop=False)
print(fandango_films[0:3])```
• 当选择多个行时，返回一个DataFrame， 但当选择单个行时，返回的是一个Series对象
```import pandas as pd

fandango_films = fandango.set_index('FILM', drop=False)
# 使用括号表示法或loc[]进行切片
sub_films = fandango_films["Avengers: Age of Ultron (2015)":"Ant-Man (2015)"]
print(sub_films)
print(type(sub_films))
print("----------------------------------------------------")
sub_films = fandango_films.loc["Avengers: Age of Ultron (2015)":"Ant-Man (2015)"]
print(sub_films)
print(type(sub_films))
print("----------------------------------------------------")
# 查找特定的 movie
film = fandango_films.loc['Kumiko, The Treasure Hunter (2015)']
print(type(film))
print("----------------------------------------------------")
# 查找特定的 movie 列表
movies = ['Kumiko, The Treasure Hunter (2015)', 'Do You Believe? (2015)']
print(fandango_films.loc[movies])
print(type(fandango_films.loc[movies]))
# 当选择多个行时，返回一个DataFrame，
# 但当选择单个行时，返回的是一个Series对象```
```import pandas as pd
import numpy as np

fandango_films = fandango.set_index('FILM', drop=False)
# panda中的apply()方法允许我们指定Python逻辑
# apply()方法需要传入一个矢量化操作
# 可以应用于每个系列对象。
# 以Series的形式返回数据类型
types = fandango_films.dtypes
# print(types) 返回所有的列名称
print(type(types))
print("----------------------------------------------------")
# 过滤数据类型为floats，索引属性只返回列名
float_columns = types[types.values == 'float64'].index
# 使用括号表示法过滤列，使其只是float列
float_df = fandango_films[float_columns]
print(float_df[0:3])
print(type(float_df))
print("----------------------------------------------------")
# “x”是表示列的系列对象
# numpy.std 计算沿指定轴的标准差。
deviations = float_df.apply(lambda x: np.std(x))
print(deviations[0:3])
print(type(deviations))
print("----------------------------------------------------")
rt_mt_user = float_df[['RT_user_norm', 'Metacritic_user_nom']]
deviations = rt_mt_user.apply(lambda x: np.std(x), axis=1)
print(deviations[0:3])```

0 条评论

• ### 《动物魔法学校》儿童学编程Scratch之“外观”部分

导读：本文通过一个案例《动物魔法学校》来学习Scratch语言的“外观”部分。之后通过一系列其他功能的综合运用对作品功能进行了扩展。

• ### 一张图理清《梅花易数》梗概

学《易经》的目的不一定是为了卜卦，但是了解卜卦绝对能够让你更好地了解易学。今天用一张思维导图对《梅花易数》的主要内容进行概括，希望能够给学友们提供帮助。

• ### 什么样的人生才是有意义的人生——没有标准的标准答案

【导读】其实我们可以跳出这个小圈圈去更加科客观地看一下这个世界。在夜晚的时候我们仰望天空，浩瀚的宇宙中整个地球只是一粒浮尘，何况地球上一个小小的人类？在漫长的历...

• ### 儿童创造力教育与编程教育的碰撞——MIT雷斯尼克教授最新理论梗概

儿童编程教育已经在我国各一线二线城市疯狂出现，颇有“烂大街”的趋势。我们不禁要问很多很多问题：

• ### SQL中GROUP BY用法示例

GROUP BY我们可以先从字面上来理解，GROUP表示分组，BY后面写字段名，就表示根据哪个字段进行分组，如果有用Excel比较多的话，GROUP BY比较类...

• ### 我不是算命先生，却对占卜有了疑惑——如何论证“占卜前提”的正确与否

事出有因，我对《周易》感兴趣了很多年。只是觉得特别有趣，断断续续学习了一些皮毛。这几天又偶然接触到了《梅花易数》，觉得很是精彩，将五行八卦天干地支都串联了起来。...

• ### 声音功能让儿童编程更有创造性

导读：Scratch中声音功能非常强大，除了常规的音效，你甚至可以模拟各种乐器的各个发音、设置节拍、休止……如果你愿意，甚至可以用它创作一个交响乐。我们可以引导...