Python pandas，pandas.series,series的主要方法

Pandas 安装：

pip install pandas

numpy 和pandas 区别：

numpy ：生成的是ndarray,数组
pandas:基于numpy，生成两种对象，一种是series,一种是dataframe。
series: 一维数组类似array,series=索引+数据。区别是Series能保存不同种数据类型，字符串、boolean值、数字等，而numpy只能存储同类型数据。
dataframe:二维的表格型数据结构，是组合的series。dataframe 的每一行和每一列都是一个series。

Series的生成

生成Series：
语法结构：
Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)
data:可传入数组，可迭代对象，字典或标量值
index:以数组或列表形式传入自定义索引，若不传值，则默认[0,1,2…n],索引的个数需与data的长度相等
name: 自定义series的名字，默认none

#Series实例
import pandas as pd
from pandas import Seriesseri=pd.Series([3,5,-2,9],index=['a','b','c','d'])
print(seri)
print(type(seri))
#输出
a    3
b    5
c   -2
d    9
dtype: int64
<class 'pandas.core.series.Series'>

Series的主要方法：

1.** 获取series的值：
series.values,：以ndarray结构输出

import pandas as pd
from pandas import Seriesseri=pd.Series([3,5,-2,9],index=['a','b','c','d'])print(seri.values)
print(type(seri.values))
#输出
[ 3  5 -2  9]
<class 'numpy.ndarray'> #生成series时传入的值是list结构，输出的仍是 ndarray结构

获取series的索引：
series.index,：以pandas index 结构输出

import pandas as pd
from pandas import Seriesseri=pd.Series([3,5,-2,9],index=['a','b','c','d'])
print(seri.index)
print(type(seri.index))
#输出：
Index(['a', 'b', 'c', 'd'], dtype='object')
<class 'pandas.core.indexes.base.Index'>

通过索引找到对应值：两种方法：通过位置查找/通过索引名称查找

import pandas as pd
from pandas import Series
seri=pd.Series([3,5,-2,9])
seri.index=["a","b","c","d"]
print(seri["a"]) #通过索引名称查找，类似字典
print(seri[0:3])#通过位置切片查找，类似列表/数组
#输出
3
a    3
b    5
c   -2

将字典转换成series：key对应变成index，value为值

import pandas as pd
from pandas import Series
dic={"a":"5","n":"6","k":"0"}
seri=pd.Series(dic)
print(seri)
#输出
a    5
n    6
k    0

查找缺失数据：返回缺失数据的索引和非缺失数据的索引+值

import pandas as pd
from pandas import Series
dic={"a":'',"n":"","k":"0"}
seri=pd.Series(dic)
print(seri.isnull)
#输出：
<bound method Series.isnull of a     n
k    0

判断series中是否存在缺失数据：seri.isnull().any()，输出布尔值
注:numpy.nan 是生成确实数据的方法，nan: not a num

import numpy as np
import pandas as pd
from pandas import Series
dic={"a":np.nan,"n":np.nan,"k":"f"}
seri=pd.Series(dic)
print(seri.isnull().all())
#输出：
False
#ps: 判断series中是否都为缺失数据：series.isnull().any()，输出布尔值

去重：series.unique()

import pandas as pd
from pandas import DataFrame
from pandas import Series
data=["a","k","m","a","w","m","9"]
obj=Series(data)
uniques=obj.unique()
print(uniques)
#输出：
['a' 'k' 'm' 'w' '9']#注：也可以用python 的set函数，
print(set(data))
#输出
{'m', 'w', '9', 'a', 'k'}#区别：
set去重后会改变原来的顺序，而unique不会
set生成的事set对象 <class 'set'>，而unique生成的事ndarray对象 <class 'numpy.ndarray'>

Python pandas，pandas.series,series的主要方法相关推荐

series 合并pandas_在python中pandas的series合并方法
如下所示: In [3]: import pandas as pd In [4]: a = pd.Series([1,2,3]) In [5]: b = pd.Series([2,3,4]) In [ ...
Python之pandas，series，可视化
七月在线之python数据处理 python常用导入函数 ndarray np之常用函数创建 ndarray之聚合操作 pandas pandas之series Series的创建 Series的索引 ...
python删除所有core文件_python – 从pandas.core.series.Series中删除前导零
我有一个带有数据的pandas.core.series.Series 0 [00115840, 00110005, 001000033, 00116000... 1 [00267285, 002636 ...
Python中的Pandas（1.pandas概述和Series的概述和相关操作）
Pandas : (Python Data Analysis Library 即 Python数据分析库),是基于Numpy的一种工具,该工具是为了解决数据分 ...
Python数据分析pandas之series初识
Python数据分析pandas之series初识声明与简介 pandas是一个基于python的.快速的.高效.灵活.易用的开源的数据处理.分析包(工具)..pandas构建在numpy之上,它通 ...
python pandas模块_Python3.5 Pandas模块中Series用法详解
Python3.5 Pandas模块中Series用法实例本文实例讲述了Python3.5 Pandas模块之Series用法.分享给大家供大家参考,具体如下: 1.Pandas模块引入与基本数据结 ...
python pandas series加速原理_python pandas中对Series数据进行轴向连接的实例
有时候我们想要的数据合并结果是数据的轴向连接,在pandas中这可以通过concat来实现.操作的对象通常是Series. Ipython中的交互代码如下: In [17]: from pandas ...
python使用pandas模块介绍以及使用，dataframe结构，Series结构，基本数据操作,DataFrame运算，pandas画图，存储，缺失值处理，离散化，合并
目录 1 pandas介绍 1.1 Pandas介绍 1.2 为什么使用Pandas 1.3 案例:在numpy当中创建的股票涨跌幅数据形式 1.4 DataFrame 1.4.1 DataFrame ...
python：Pandas的数据结构：Series，DataFrame
本篇文章主要讲一讲python的pandas库的一些使用(也算自己学习当中的整理): 数据分析的搭配环境,大家可以去参照安装下载好:https://blog.csdn.net/m0_53088614/ ...
Pandas中的Series对象详解（含Python代码）
1.初识Series对象 Pandas中的Series对象是一个带索引数据构成的一维数组. 可以用一个数组来创建Series对象: import pandas as pd data=pd.Series ...