Pandas数据结构:Series定义和创建
文章目录
- Series
- 定义
- 创建
Pandas中重要的两个数据结构:Series和DataFrame。数据分析必学的两种数据结构,这两种数据结构以Numpy的Ndarray为基础,在Ndarray的基础上将功能做了扩展。需要掌握这两种数据结构的定义、创建、属性、函数。Python数据分析中所使用的大部分代码都属于对这两种数据结构的操作。每个知识点都会写一篇文章做详细讲解,本文主要介绍Series的定义和创建。
Series
定义
Series是可以自定义行标签(index)的一维数组。从定义中可以看出Series就是一个数组(ndarray),并且是一个一维数组,所以它的维度(ndim属性)永远都是1。 除此以外,ndarray有的属性和方法Series全部都有,并且在此基础上还做了扩展。例如:Series可以自定义行索引,也就是说如果从Series中获取元素的方法比数组(ndarray)的方法多,除了可以使用整数索引以外还可以使用自定义的行索引进行获取。定义虽然简单,但是非常重要,从定义可以知道Series的很多功能,当然,这必须是对Numpy学习很扎实的条件下。
创建
Series创建的语法如下:
从语法可以看出这是一个类,需要注意的是在创建时’Series’的首字母必须大写。
class pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)
参数:
- data:接收array_like,可迭代对象,字典或者标量,创建Series需要的数据。
- index:接收array_like,Series的行索引。
- dtype:接收str,numpy数据类型,Series的数据类型。
- name:接收str,给Series取的名字。
- copy:接收bool值,默认False,是否复制输入的数据。
示例:
使用数组创建:
>>> import numpy as np
>>> import pandas as pd>>> arr01 = np.arange(10,16)
>>> ser01 = pd.Series(data=arr01, index=['a','b','c','d','e','f'],dtype=np.int16, name='age', copy=True)
>>> ser01
a 10
b 11
c 12
d 13
e 14
f 15
Name: age, dtype: int16
使用字典创建:
>>> d = {'a':1, 'b':2, 'c':3, 'd':4, 'e':5, 'f':6}
>>> ser02 = pd.Series(data=d, dtype='int16')
>>> ser02
a 1
b 2
c 3
d 4
e 5
f 6
dtype: int16
使用标量创建:
>>> ser03 = pd.Series(data=10, index=['a','b','c','d','e','f'], dtype='int16')
>>> ser03
a 10
b 10
c 10
d 10
e 10
f 10
dtype: int16
使用可迭代对象创建:
除以上几种数据类型外,列表、元组等可迭代对象都可以当作数据源给参数data传递数据。如果没有设置参数index,则会使用整数索引作为Series的行索引。
>>> ser04 = pd.Series(data=range(1,10), dtype='int16')
>>> ser04
0 1
1 2
2 3
3 4
4 5
5 6
6 7
7 8
8 9
dtype: int16
0~8为行索引
1~9为数据
Pandas数据结构:Series定义和创建相关推荐
- Pandas数据结构简介
Series Series 类似一维数组,由一组数据及一组相关数据标签组成.使用pandas的Series类即可创建. import pandas as pd s1 = pd.Series(['a', ...
- Pandas(一)--Series结构
目录 Series结构 创建Series对象 访问Series数据 Series常用属性 Series常用方法 Series结构 Series 结构,也称 Series 序列,是 Pandas 常用的 ...
- python3-pandas 数据结构 Series、DataFrame 基础
Pandas 应用 Pandas 的主要数据结构是 Series (一维数据)与 DataFrame(二维数据),这两种数据结构足以处理金融.统计.社会科学.工程等领域里的大多数典型用例. 数据结构 ...
- 【DS with Python】 Pandas中Series DataFrame的结构、创建、查询、修改语法与实例
文章目录 前言 一.Series结构与应用 1.1 Series的构造 1.2 创建Series 1.2.1 可用于创建Series的类型 1.2.2 三种设置index的方法 1.2.3 Serie ...
- 【Pandas】数据结构Series 基本用法总结
对Series数据结构的理解: (1)Series是Pandas中的数据结构: (2)Series是DataFrame的一列数据: (3)Series的索引,默认为0,1,2,3,4,5...,与列表 ...
- 小白学 Python 数据分析(3):Pandas (二)数据结构 Series
在家为国家做贡献太无聊,不如跟我一起学点 Python 顺便问一下,你们都喜欢什么什么样的文章封面图,老用这一张感觉有点丑 人生苦短,我用 Python 前文传送门: 小白学 Python 数据分析( ...
- Pandas系列(一):数据结构(Series、DataFrame、时间序列)
Pandas系列目录 文章目录 一. 简介 二. 思维导图 三. Pandas数据结构 1. Series 1.1 简介 1.2 创建Series 1.3 Series属性 1.4 索引切片 1.4. ...
- pandas数据结构:Series/DataFrame;python函数:range/arange
1. Series Series 是一个类数组的数据结构,同时带有标签(lable)或者说索引(index). 1.1 下边生成一个最简单的Series对象,因为没有给Series指定索引,所以此时会 ...
- dataframe两个表合并_Part25:Pandas基础(Series,DataFrame类的创建、索引、切片、算术方法)...
一.为什么学习pandas numpy已经可以帮助我们进行数据的处理了,那么学习pandas的目的是什么呢? numpy能够帮助我们处理的是数值型的数据,当然在数据分析中除了数值型的数据还有好多其他类 ...
最新文章
- 微信小程序swiper组件宽高自适应方法
- 华夏幸福发布2018年业绩简报 整体销售面积同比增57.56%
- 在Linux上进行内核参数调整
- 3.9 神经网络解决多分类问题-机器学习笔记-斯坦福吴恩达教授
- http://nlp.stanford.edu:8080/parser/index.jsp
- java架构师_前谷歌高级Java架构师分享工作8年经验(如何成为一名架构师)
- Qt5.12编译MySQl5.1.37驱动
- 各种排序算法的C++实现
- 模态对话框和非模态对话框的消息循环分析
- k8s pod里访问不到外部ip_K8S容器网络如何实现通信?
- 防止SQL注入和XSS攻击Filter
- 计算机教师专业要求,计算机专业教师技能达标要求
- 计算机基础竞赛知识试题,计算机基础知识及基本技能操作竞赛试题
- 前端CSS学习(第3、4天)
- Meta-learning algorithms for Few-Shot Computer Vision论文解读(三)
- 学生Dreamweaver静态网页设计 基于HTML+CSS+JavaScript制作简食餐厅美食网站制作
- 上海拍照攻略,让你的朋友圈与众不同
- 如何修改SnipeIT的部分设置
- OPPO find5(X909)Omni刷机包 原生安卓4.4.2 超流畅省电
- 物联网项目——具体分工
热门文章
- dreamweaver设置快速格式化代码
- vs2010+CSerialPortv4.1.0.201010+webbrowser控件实现百度地图(在线和离线)定位
- MobaXterm 修改Terminal字体
- Android 8.0解决的OkHttp问题:A connection to xxx was leaked. Did you forget to close a response body?
- Mac安装Sass介绍
- 2022-2028全球与中国紫外线发生器市场现状及未来发展趋势
- 一段计算派(∏)的代码
- 自然河流河型一般分类
- 请收下!春节聚会装B指南!附研习社工作汇报(2020)
- zzwblog--zz