Data Science | Pandas基础(二)
Data Science | Pandas基础(二)
咸鱼学Python
发布于 2019-10-09 15:42:38
发布于 2019-10-09 15:42:38
数据查看
#查看前五的数据
s = pd.Series(np.random.rand(15))
print(s.head()) #默认查看数据前五条
# 查看后5条数据
print(s.tail()) #默认查看数据的后五条
# 查看前10条数据
print(s.head(10))
重新索引
重新索引的作用是根据新的索引重新排序，若新的索引不存在则引入缺失值。
# .reindex将会根据索引重新排序，如果当前索引不存在，则引入缺失值
s = pd.Series(np.random.rand(5),index=['a','b','c','d','e'])
print(s)
# 将索引值修改为['c','d','a','f']
s1 = s.reindex(['c','d','a','f'])
print(s1)
>>>
a 0.972218
b 0.820531
c 0.940448
d 0.009572
e 0.462811
dtype: float64
c 0.940448
d 0.009572
a 0.972218
f NaN
dtype: float64
如果不想引入缺失值可以使用fill_value指定不存在的索引值为0或其他值
s2 = s.reindex(['c','d','a','f','aaaaa'], fill_value=0)
print(s2)
>>>
c 0.940448
d 0.009572
a 0.972218
f 0.000000
aaaaa 0.000000
dtype: float64
数据对齐
对齐两列数据，当数据索引不同时存在需要对齐的Series的时，数据值以缺失值填充。
# Series 和 ndarray 之间的主要区别是，Series 上的操作会根据标签自动对齐
# index顺序不会影响数值计算，以标签来计算
# 空值和任何值计算结果扔为空值
s1 = pd.Series(np.random.rand(3),index=['jack','marry','tom'])
s2 = pd.Series(np.random.rand(3),index=['wang','jack','marry'])
print(s1+s2)
>>>
jack 1.261341
marry 0.806095
tom NaN
wang NaN
dtype: float64
删除
使用.drop删除元素的时候，默认返回的是一个副本(inplace=False)
s = pd.Series(np.random.rand(5), index = list('ngjur'))
print(s)
s1 = s.drop('n')
s2 = s.drop(['g','j'])
print(s1)
print(s2)
print(s)
>>>
n 0.876587
g 0.594053
j 0.628232
u 0.360634
r 0.454483
dtype: float64
g 0.594053
j 0.628232
u 0.360634
r 0.454483
dtype: float64
n 0.876587
u 0.360634
r 0.454483
dtype: float64
n 0.876587
g 0.594053
j 0.628232
u 0.360634
r 0.454483
dtype: float64
添加
方法一：直接通过下标索引/标签index添加值
s1 = pd.Series(np.random.rand(5))
s2 = pd.Series(np.random.rand(5), index = list('ngjur'))
print(s1)
print(s2)
s1[5] = 100
s2['a'] = 100
print(s1)
print(s2)
>>>
0 0.516447
1 0.699382
2 0.469513
3 0.589821
4 0.402188
dtype: float64
n 0.615641
g 0.451192
j 0.022328
u 0.977568
r 0.902041
dtype: float64
0 0.516447
1 0.699382
2 0.469513
3 0.589821
4 0.402188
5 100.000000
dtype: float64
n 0.615641
g 0.451192
j 0.022328
u 0.977568
r 0.902041
a 100.000000
dtype: float64
方法二：使用.append()方法添加，可以直接添加一个数组，且生成一个新的数组，不改变之前的数组。
s3 = s1.append(s2)
print(s3)
print(s1)
>>>
0 0.238541
1 0.843671
2 0.452739
3 0.312212
4 0.878904
5 100.000000
n 0.135774
g 0.530755
j 0.886315
u 0.512223
r 0.551555
a 100.000000
dtype: float64
0 0.238541
1 0.843671
2 0.452739
3 0.312212
4 0.878904
5 100.000000
dtype: float64
修改
series可以通过索引直接修改，类似序列
s = pd.Series(np.random.rand(3), index = ['a','b','c'])
print(s)
s['a'] = 100
s[['b','c']] = 200
print(s)
>>>
a 0.873604
b 0.244707
c 0.888685
dtype: float64
a 100.0
b 200.0
c 200.0
dtype: float64
巩固练习
- 如图创建Series，并按照要求修改得到结果
- 已有s1，s2（值为0-10的随机数），请求出s1+s2的值
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2018-10-29，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录