pandas系列之Series数据类型

皮大大

发布于 2021-04-30 15:47:00

1.9K0

发布于 2021-04-30 15:47:00

文章被收录于专栏：机器学习/数据可视化机器学习/数据可视化

Pandas 系列之Series类型数据

本文开始正式写Pandas的系列文章，就从：如何在Pandas中创建数据开始。Pandas中创建的数据包含两种类型：

Series类型
DataFrame类型

内容导图

Series类型

Series 是一维数组结构，它仅由index（索引）和value（值）构成的。

Series的索引具有唯一性，索引既可以是数字，也可以是字符，系统会自动将它们转成一个object类型（pandas中的字符类型）。

DataFrame类型

DataFrame 是将数个 Series 按列合并而成的二维数据结构，每一列单独取出来是一个 Series ；除了拥有index和value之外，还有column。下图中：

索引Index：0，1，2，3…….
字段属性：fruit，number
值value：苹果、葡萄等；200、300等

导入库

先导入两个库：

import pandas as pd
import numpy as np

Series类型创建与操作

通过可迭代类型列表、元组生成
通过python字典生成
通过numpy数组生成

列表生成

通过列表的方式生成Series数据

s1 = pd.Series([7,8,9,10])
s1

# 结果
0     7
1     8
2     9
3    10
dtype: int64

s2 = pd.Series(list(range(1,8)))
s2

# 结果
0    1
1    2
2    3
3    4
4    5
5    6
6    7
dtype: int64

元组生成

下面的方法是通过元组生成Series数据

s3 = pd.Series((7,8,9,10,11))
s3

# 结果
0     7
1     8
2     9
3    10
4    11
dtype: int64

s4 = pd.Series(tuple(range(1,8)))  #  从1到8，不包含8
s4

# 结果
0    1
1    2
2    3
3    4
4    5
5    6
6    7
dtype: int64

使用字段创建

字典的键为索引，值为Series结构对应的值

dic_data = {"0":"苹果", "1":"香蕉", "2":"哈密瓜","3":"橙子"}

s5 = pd.Series(dic_data)
s5

# 结果
0     苹果
1     香蕉
2    哈密瓜
3     橙子
dtype: object

使用numpy数组

s6 = pd.Series(np.arange(3,9))
s6

# 结果
0    3
1    4
2    5
3    6
4    7
5    8
dtype: int64

指定索引(列表)

默认的索引都是从0开始的数值，可以在创建的时候指定每个索引

# 默认

s1 = pd.Series([7,8,9,10])
s1

# 结果
0     7
1     8
2     9
3    10
dtype: int64

s7 = pd.Series([7,8,9,10], index=["A","B","C","D"])  # 指定索引值
s7

# 结果
A     7
B     8
C     9
D    10
dtype: int64

指定索引(字典形式)

字典的键作为索引值

dic_data = {"水果1":"苹果",
            "水果2":"香蕉",
            "水果3":"哈密瓜",
            "水果4":"橙子"
           }

s8 = pd.Series(dic_data)
s8

# 结果
水果1     苹果
水果2     香蕉
水果3    哈密瓜
水果4     橙子
dtype: object

查看索引值

s8

# 结果
水果1     苹果
水果2     香蕉
水果3    哈密瓜
水果4     橙子
dtype: object

s8.index   # 查看索引值

# 结果
Index(['水果1', '水果2', '水果3', '水果4'], dtype='object')

查看值

s8

# 结果
水果1     苹果
水果2     香蕉
水果3    哈密瓜
水果4     橙子
dtype: object

s8.values

# 结果
array(['苹果', '香蕉', '哈密瓜', '橙子'], dtype=object)

更改索引

# 1、新索引
index_new = ['one', 'two', 'three', 'four']

# 2、赋值
s8.index = index_new

s8
# 结果
one       苹果
two       香蕉
three    哈密瓜
four      橙子
dtype: object

查看是否存在空值

s7

# 结果
A     7
B     8
C     9
D    10
dtype: int64

s7.isnull()  # 没有空值

# 结果
A    False
B    False
C    False
D    False
dtype: bool

s7.notnull()

# 结果
A    True
B    True
C    True
D    True
dtype: bool

查看某个索引的值

s7

A     7
B     8
C     9
D    10
dtype: int64

两种方式查看：

通过自定义的索引查看
通过对应的数值索引查看

s7["A"]  #  自定义的索引值

7

s7[0]   # 默认的数值索引

7

s7["D"]

10

s7[3]

10

将Series转成字典

s_dic = s7.to_dict()  # 转成字典形式
s_dic

# 结果
{'A': 7, 'B': 8, 'C': 9, 'D': 10}

type(s_dic)   # 结果显示为字典类型

# 结果
dict

给Series索引命名

s8

# 结果
one       苹果
two       香蕉
three    哈密瓜
four      橙子
dtype: object

s8.index  # 原索引

Index(['one', 'two', 'three', 'four'], dtype='object')

s8.index.name = "水果"  # 索引命名
s8

结果显示为：

水果
one       苹果
two       香蕉
three    哈密瓜
four      橙子
dtype: object

s8.index   # 更改之后的索引

Index(['one', 'two', 'three', 'four'], dtype='object', name='水果')

修改Series数值

s8

# 结果为
水果
one       苹果
two       香蕉
three    哈密瓜
four      橙子
dtype: object

s8["three"] = "西瓜"  # 等价于s8[2] = "西瓜"

s8

更改之后的值为：

水果
one      苹果
two      香蕉
three    西瓜
four     橙子
dtype: object

Series结构转成DataFrame结构

s8

水果
one      苹果
two      香蕉
three    西瓜
four     橙子
dtype: object

在将s8转成DataFrame的过程中涉及到3个函数：

to_frame：转成DataFrame
reset_index：DataFrame类型的索引重置
rename：DataFrame的字段属性重置

关于DataFrame的相关内容下节详细讲解，敬请期待！

扩展阅读

在之前写过的旅游攻略文章中使用pandas的很多知识点，可供学习：

本文参与腾讯云自媒体分享计划，分享自作者个人站点/博客。

原始发表：2021-4-28，如有侵权请联系 cloudcommunity@tencent.com 删除

python

编程算法

numpy

腾讯云开发者社区

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体分享计划，欢迎热爱写作的你一起参与！

登录后参与评论

0 条评论

热度