python数据分析之pandas里的Series

1 Series

线性的数据结构，series是一个一维数组

Pandas会默认用0到-1来作为series的index，但也可以自己指定index(可以把index理解为dict里面的key)

1.1 创造一个series数据

import pandas as pd
import numpy as nps = pd.Series([9, 'zheng', 'beijing', 128])print(s)

打印

0 9

1 zheng

2 beijing

3 128

dtype: object

访问其中某个数据

print(s[1:2])

# 打印

1 zheng

dtype: object

1.2 指定index

import pandas as pd
import numpy as nps = pd.Series([9, 'zheng', 'beijing', 128, 'usa', 990], index=[1,2,3,'e','f','g'])print(s)

打印

1          9
2      zheng
3    beijing
e        128
f        usa
g        990
dtype: object

根据索引值找出值

print(s['f']) # usa

1.3 用dictionary构造一个series

import pandas as pd
import numpy as nps = {"ton": 20, "mary": 18, "jack": 19, "car": None}sa = pd.Series(s, name="age")print(sa)

打印

car      NaN
jack    19.0
mary    18.0
ton     20.0
Name: age, dtype: float64

检测类型

print(type(sa)) # <class 'pandas.core.series.Series'>

1.4 用numpy ndarray构造一个Series

生成一个随机数

import pandas as pd
import numpy as npnum_abc = pd.Series(np.random.randn(5), index=list('abcde'))
num = pd.Series(np.random.randn(5))print(num)
print(num_abc)# 打印
0   -0.102860
1   -1.138242
2    1.408063
3   -0.893559
4    1.378845
dtype: float64
a   -0.658398
b    1.568236
c    0.535451
d    0.103117
e   -1.556231
dtype: float64

1.5 选择数据

import pandas as pd
import numpy as nps = pd.Series([9, 'zheng', 'beijing', 128, 'usa', 990], index[1,2,3,'e', 'f', 'g'])print(s[1:3])   # 选择第1到3个，包左不包右  zhehg beijing
print(s[[1,3]])  # 选择第1个和第3个，zheng 128
print(s[:-1]) #选择第1个到倒数第1个， 9 zheng beijing 128 usa

1.6 操作数据

import pandas as pd
import numpy as nps = pd.Series([9, 'zheng', 'beijing', 128, 'usa', 990], index=[1,2,3,'e','f','g'])sum = s[1:3] + s[1:3]
sum1 = s[1:4] + s[1:4]
sum2 = s[1:3] + s[1:4]
sum3 = s[:3] + s[1:]print(sum)
print(sum1)
print(sum2)
print(sum3)

打印

2        zhengzheng
3    beijingbeijing
dtype: object
2        zhengzheng
3    beijingbeijing
e               256
dtype: object
2        zhengzheng
3    beijingbeijing
e               NaN
dtype: object
1               NaN
2        zhengzheng
3    beijingbeijing
e               NaN
f               NaN
g               NaN
dtype: object

1.7 查找

是否存在

USA in s # true

范围查找

import pandas as pd
import numpy as nps = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car": None}sa = pd.Series(s, name="age")print(sa[sa>19])

中位数

import pandas as pd
import numpy as nps = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car": None}sa = pd.Series(s, name="age")print(sa.median()) # 20

判断是否大于中位数

import pandas as pd
import numpy as nps = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car": None}sa = pd.Series(s, name="age")print(sa>sa.median())

找出大于中位数的数

import pandas as pd
import numpy as nps = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car": None}sa = pd.Series(s, name="age")print(sa[sa > sa.median()])

中位数

import pandas as pd
import numpy as nps = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car": None}sa = pd.Series(s, name="age")more_than_midian = sa>sa.median()print(more_than_midian)print('---------------------')print(sa[more_than_midian])

1.8 Series赋值

import pandas as pd
import numpy as nps = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car": None}sa = pd.Series(s, name="age")print(s)print('-----------------')sa['ton'] = 99print(sa)

1.9 满足条件的统一赋值

import pandas as pd
import numpy as nps = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car": None}sa = pd.Series(s, name="age")print(s)  # 打印原字典print('---------------') # 分割线sa[sa>19] = 88 # 将所有大于19的统一改为88print(sa)  #打印更改之后的数据print('-------------------') # 分割线print(sa / 2) # 将所有数据除以2

python数据分析之pandas里的Series相关推荐

Python数据分析之Pandas库
Python数据分析之Pandas库一.Pandas简介二.Pandas库的安装三.Pandas的数据结构四.Series 和 DataFrame 数据结构的使用五.其他可以参考的网站一. ...
python常用命令汇总-python数据分析之pandas常用命令整理
原标题:python数据分析之pandas常用命令整理 pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的.Pandas 纳入了大量库和一些标准的数据模型 ,提供了高效地 ...
python 数据分析day4 Pandas 之 DataFrame
DataFrame 一. 创建DataFrame 1. 二维数组创建 2. 字典创建 3. JSON创建 4. 读取Excel或CSV文件创建 5. 读数据库(MySQL)创建二. 常用属性三. ...
（转载）Python数据分析之pandas学习
转载地址:http://www.cnblogs.com/nxld/p/6058591.html Python中的pandas模块进行数据分析. 接下来pandas介绍中将学习到如下8块内容: 1.数据 ...
python 数据分析核心--pandas
前言 Python作为一门数据可视化很好的语言,可以使用像matplotlib等库画出图形,处理数据主要使用pandas 这里主要讨论Pandas 初识pandas 大多数人只要提及pandas,基本 ...
Python数据分析之pandas学习
Python中的pandas模块进行数据分析. 接下来pandas介绍中将学习到如下8块内容: 1.数据结构简介:DataFrame和Series 2.数据索引index 3.利用pandas查询数据 ...
pandas 更改单元格的值_懂Excel轻松入门Python数据分析包pandas(二十四)：连续区域...
此系列文章收录在公众号中:数据大宇宙 > 数据处理 >E-pd 转发本文并私信我"python",即可获得Python资料以及更多系列文章(持续更新的) 经常听别人说 ...
python数据分析之pandas数据选取：df[] df.loc[] df.iloc[] df.ix[] df.at[] df.iat[]
1 引言 Pandas是作为Python数据分析著名的工具包,提供了多种数据选取的方法,方便实用.本文主要介绍Pandas的几种数据选取的方法. Pandas中,数据主要保存为Dataframe和Se ...
python数据分析(三)——pandas缺失值处理
系列文章目录: python数据分析(一)--series和读取外部数据 python数据分析(二)--DataFrame 缺失值处理一.数据缺失一.数据缺失数据缺失通常有两种情况: 一种就是空 ...

python数据分析之pandas里的Series

python数据分析之pandas里的Series相关推荐

最新文章

热门文章