首页
学习
活动
专区
工具
TVP
发布

快速掌握Series~Series的属性

这系列将介绍Pandas模块中的Series,本文主要介绍: Series的属性 快速掌握Series系列: [L1]快速掌握Series~创建Series a Series的属性 此处介绍Series...属性包括两个方面(因为此处介绍的是Series的属性不是Series的方法,所以不要在后面加小括号): 获取Series的index索引和value值,顺便介绍统计index和value相同类别的个数的方法...; 获取Series的名称以及index的名称; #实验所用到的Series对象 import pandas as pd s = pd.Series([1,2,3],index = ["a","b","...的名称以及index的名称 Series有本身以及index和value,除了value没有名称外,Series本身和index都可以指定名称,如果不指定的话默认为None。...my Series, dtype: int64

88320

快速掌握Series~创建Series

这系列将介绍Pandas模块中的Series,本文主要介绍: 什么是Series? 如何创建Series? a 什么是Series?...Series是一种类似于一维数组的对象,与一维数组对象不同的是Series带有标签(索引),通俗来说就是一维带标签(索引)的一维数组。如下图所示: ?...▲带有索引的一维数组 b 如何创建SeriesSeries是一维带标签(索引)的一维数组,对于Series最关键的也就是索引index和与之对应的value值。...我们使用Python字典作为创建Series的data,同时我们知道当将字典作为创建Series对象的data的话,Python字典中的key可以作为Series的index,但是此时我们仍然可以继续指定...由于Python中字典中的key不能够重复,所以虽然Series允许使用有重复的index值,但是如果使用字典创建Series的时候肯定不会有相同的index值。

1.2K20
您找到你想要的搜索结果了吗?
是的
没有找到

Series(二):Series的元素获取方式

今天给大家介绍Series的元素获取方式。...关于切片和索引获取Series中的元素,可以参考我的另外一篇文章,对比学习效果会更好:《手撕numpy(三):切片和索引详解》 1)使用head()和tail()函数获取Series中的元素 x = pd.Series...2)使用切片获取Series中的元素 x = pd.Series(np.arange(1,11),index=list("abcdefghij")) display(x) display(x[::-1...3)使用索引获取Series中的元素 ① 普通索引 Series与ndarray数组都可以通过索引访问元素,不同点在于: ndarray就是类似与list的索引,支持负数索引。...4)通过loc和iloc获取Series中的元素 (推荐使用这种方式) Series的索引分为位置索引和标签索引。loc表示的是标签索引,iloc表示的是位置索引。

8.6K20

Series(五):Series的增、删、改、查

【删除索引的方式,删除值】; 改:修改值 【获取到某个值后,采用赋值方式修改值】 ; 查:获取值 【切片和索引方式】; 2、查:获取值 这里在之前的文章讲述过了,大家可以参考这个文章: 《Series...(二):Series的元素获取方式》 3、增:增加值 x = pd.Series([10,23,31,16],index=list("abcd")) display(x) # 可以将索引看成字典中的键...,当键(索引)不存在的时候,相当于增加值 x[e] = 10000 display(x) 结果如下: 4、删:删除值 ① del方式:就地删除 x = pd.Series([10,23,31,16],index...display(x) # 删除了某个索引后,对应的值也就删除了 del x["b"] display(x) 结果如下: ② drop方式:当指定了inplace=True后,才属于就地删除 x = pd.Series...当指定了inplace=True后,属于就地删除 x.drop("a",inplace=True) display(x) 结果如下: ③ 使用drop一次性删除多个值:提供一个标签数组 x = pd.Series

2.3K20

快速掌握Series~Series的切片和增删改查

这系列将介绍Pandas模块中的Series,本文主要介绍: Series的切片Slice 位置切片 名称切片 Series的增删改查 添加Series的值(增) 删除Series的值(删) 通过索引修改...Series的值(改) 判断索引是否在Series中(查) 快速掌握Series系列: [L1]快速掌握Series~创建Series [L2]快速掌握Series~Series的属性 [L3]快速掌握...Series~通过Series索引获取指定值 a Series的切片Slice 通过Series的切片来获取连续的多个索引对应的值,Series的切片有两种方式: 使用位置切片,类似s[start_index...b Series的增删改查 添加Series的值(增) 为Series添加新的值的方式有两种: 使用series.append(pd.Series(data,index))的方式添加,这种方式会返回一个新的...Series对象,这种方式最大的特点就是可以添加多个Series值; 使用series["new_index"] = value的方式添加,这种方式会直接在原来的Series上进行修改,并且这种方式每次只能够添加一个

3.8K10

Series(四):Series和ndarray在运算时的异同

1、说明 由于pandas的底层是集成了numpy,因此Series的底层数据就是使用ndarray来构建的,因此我们得到了一个Series后,就可以使用numpy中的函数,对数据进行操作。...但是Series与ndarry不同的地方在于,Series中多了一个索引。 这些问题都是细节问题,只有熟悉了这些细节知识,对于我们熟练使用numpy和pandas都是由很大帮助的。...Series的底层数据就是由ndarray来构建的,而DataFrame又是由一个个的Series堆积而成的,随意取出DataFrame每一行或者每一列数据,都是一个Series。...② 使用Series得到ndarray后,再使用numpy中的函数操作Series s = pd.Series([1,2,3,4]) display(s.values) display(type(s.values...② 对于不同的Series,在运算时按照索引进行匹配运算 x = pd.Series([1,2,3,4],index=["a","b","c","d"]) display(x) y = pd.Series

82020

快速掌握Series~通过Series索引获取指定值

这系列将介绍Pandas模块中的Series,本文主要介绍: 通过Series的索引获取值 位置索引 名称索引 点索引 快速掌握Series系列: [L1]快速掌握Series~创建Series [L2...]快速掌握Series~Series的属性 a Series的索引 Series简单来说就是带有索引的一维数组,很自然的可以通过索引来获取对应的value值,我们有三种方式进行索引: 位置索引。...,但是如果使用名称索引的话,索引出来的是结果是一个具有相同index的Series对象。...点索引使用有很多局限性: 点索引只使用于Series的index类型为非数值类型才可以使用; 如果Series中的index中有一些索引名称与Python的一些关键字或者一些函数名重名的话,会导致无法获取...Series的值; import pandas as pd # 此时的index为数值类型 s = pd.Series(["a","b","c","d"],index = [1,2,3,4]) #

5.4K20

快速掌握Series~过滤Series的值和缺失值的处理

这系列将介绍Pandas模块中的Series,本文主要介绍: 过滤Series的值 单条件筛选 多条件筛选 Series缺失值的处理 判断value值是否为缺失值 删除缺失值 使用fillna()填充缺失值...快速掌握Series系列: [L1]快速掌握Series~创建Series [L2]快速掌握Series~Series的属性 [L3]快速掌握Series~通过Series索引获取指定值 [L4]快速掌握...Series~Series的切片和增删改查 a 过滤Series的值 我们可以通过布尔选择器,也就是条件筛选来过滤一些特定的值,从而仅仅获取满足条件的值。...过滤Series的值的方式分为两种: 单条件筛选; 多条件筛选; import pandas as pd s = pd.Series([1,2,3,4],index = ["a","b","c","d...b Series缺失值的处理 判断Value值是否为缺失值,isnull()判断series中的缺失值以及s.notnull()判断series中的非缺失值; 删除缺失值 使用dropna(); 使用

9.7K41

7,一维Series

pandas中常用的数据结构有: 1,Series:一维数组,有index。Series中只允许存储同种类型数据。 2,DataFrame:二维的表格型数据结构。...可以将DataFrame理解为Series的容器。 3,Panel :三维的数组。可以理解为DataFrame的容器。 你发现 pandas库的名字和这三种数据结构名字的关系了吗?...本节我们介绍SeriesSeries概要如下: Series可以看成是一个一维的附加了索引的array。 Series非常像一个有序的字典,index相当于键。...Series可以使用时间序列索引和多层级索引。 一,创建Series 1,类型转换法 ? ? ? ? 2,创建时间序列索引 ? ? 3,创建多层级索引 ? ?...二,Series的索引 1,下标和下标切片索引 ? 2,index 和 index切片索引 ? 3,布尔索引 ? 4,多层级索引 ? 三,Series常用操作 1,向量化运算 ?

53730
领券