Pandas基础入门（二）

精彩文章

文末免费领取500G干货教程

今日分享：Series数据结构

上篇文章Pandas基础入门已对Pandas及其主要数据结构概念有所提及

创建Series：

创建方法还是挺多的，但道理都是一样，下面列取几种方式：

In [43]: obj1 = pd.Series([4,7,-5,3])

In [44]: obj1

Out[44]:

0 4

1 7

2 -5

3 3

dtype: int64

直接通过列表存储数据创建

In [47]: obj2 = pd.Series({'name':'tom','age':'13','gender':'male'

...: })

In [48]: obj2

Out[48]:

age 13

gender male

name tom

dtype: object

通过字典创建，需要注意 字典的键将会成为其索引

In [49]: data = (1,2,3,4)

In [50]: obj3 = pd.Series(data)

In [51]: obj3

Out[51]:

0 1

1 2

2 3

3 4

dtype: int64

先通过创建一个变量，例如代码中是创建了一个元组，上述的列表及字典也适用该方法，元组也可采用上面提到的直接创建方法。

Series重要属性：

Series对象本身及其索引都有一个name属性，可对其进行自定义

In [67]: obj1.name = 'new_Series'

In [68]: obj1.index.name = 'new_index'

In [69]: obj1

Out[69]:

new_index

e 64

f 7

g -5

h 3

Name: new_Series, dtype: int64

这一点内容和Pandas的其他内容的关系是非常紧密的，所以在这提及一下。

In [52]: obj1.index

Out[52]: RangeIndex(start=0, stop=4, step=1)

查看索引，其将会显示该Series的全部索引

In [53]: obj1.values

Out[53]: array([ 4, 7, -5, 3], dtype=int64)

查看值，显示该Series的全部值

改变索引：

In [55]: obj1 = pd.Series([4,7,-5,3],index = ['e','f','g','h'])

In [56]: obj1

Out[58]:

e 4

f 7

g -5

h 3

dtype: int64

在创建Series时，如果不指定索引，其将默认0，1，2。。。等作为其索引，若制定，将显示指定的索引。

In [57]: obj1.index = ['a','b','c','d']

In [58]: obj1

Out[56]:

a 4

b 7

c -5

d 3

dtype: int64

上示也可使用赋值方法改变索引

查看部分值

查看值的方式和Python中的列表及Numpy中查看值的方式相同

In [60]: obj1['e']

Out[60]: 4

In [61]: obj1[0]

Out[61]: 4

上述两种都是通过索引查看单个值，既可以通过设定的索引查看，也可以通过默认的0123索引查看，效果是一样的。

查看多个值时，可以通过列表方式查看多个间断或连续值，也可使用冒号方法查看多个连续值，如下：

In [63]: obj1[['e','f']]

Out[63]:

e 4

f 7

dtype: int64

In [64]: obj1['e':'g']

Out[64]:

e 4

f 7

g -5

dtype: int64

重新赋值：

In [65]: obj1['e'] = 64

In [66]: obj1

Out[66]:

e 64

f 7

g -5

h 3

dtype: int64

以后对于改变值的内容还会讲到，因为这部分内容涉及到在进行数据分析时如何对空值进行处理。

利用pd.isnull(obj1)和pd.notnull(obj1)或obj1.isnull()和obj1.notnull()可以判断Series中的空值及真值，通常用来判断是否存在缺失值，其返回的结果是布尔值

上述未展开介绍的内容以后会详细介绍

干货免费分享

关注公众号即可一键领取

省去找资料的麻烦

为您的学习保驾护航

您的点赞与转发是我们前进的最大动力！！！

扫码赞赏

扫二维码进交流学习群

最新同步更新资料请到该QQ群获取