全文共1222字，预计阅读时间8分钟。

series创建

根据list
pandas有两种主要的数据结构，第一种是Series，是一种类似于一维数组的数据结构，它由一组数据以及一组与之相关的数据标签组成。我们可以直接根据list来生成一个Series。

obj = pd.Series([4,7,-5,3])obj

#输出0    41    72   -53    3dtype: int64

可以通过index和values属性来获得obj的索引和值

obj.index#RangeIndex(start=0, stop=4, step=1)obj.values#array([ 4,  7, -5,  3])

索引在默认情况下是0-n-1，不过我们可以指定索引的值

obj2 = pd.Series([4,7,-5,3],index=['d','b','a','c'])obj2

#输出d    4b    7a   -5c    3dtype: int64

根据dict
可以直接通过字典dict来创建Series，此时字典中的键作为索引，字典中的值作为对应的值

sdata = {'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000}obj3 = pd.Series(sdata)obj3 #输出Ohio      35000Oregon    16000Texas     71000Utah       5000dtype: int64

如果既使用了字典，又指定了索引，那么字典中跟索引相匹配的值将会被找出来放到相应的位置上:

states = ['California','Ohio','Texas','Oregon']obj4 = pd.Series(sdata,index = states)obj4#输出California        NaNOhio          35000.0Texas         71000.0Oregon        16000.0dtype: float64

series一些特性

索引
可以通过相对位置的下标或者index来访问Series中的元素

obj2[2]#-5

obj2['a']#-5

obj2[['a','b','d']]#输出a   -5b    7d    4dtype: int64

切片
与利用下标进行切片不同，使用标签进行切片时，末端是包含的：

obj['b':'c']#输出b    1.0c    2.0dtype: float64

重新索引
我们可以使用reindex函数对Series进行重新索引，而不是简单的改变索引的值：

obj2 = pd.Series([4,7,-5,3],index=['d','b','a','c'])obj3 = obj2.reindex(['a','b','c','d','e'])obj3#输出a   -5.0b    7.0c    3.0d    4.0e    NaNdtype: float64

可以看到，使用reindex时，如果新增 的索引在原数据中没有值，其对应的值就会是NA，此时我们可以使用fill_value属性对数据进行填充：

obj4 = obj2.reindex(['a','b','c','d','e'],fill_value=0)obj4#输出a   -5b    7c    3d    4e    0dtype: int64

reindex函数还有一个method属性，进行差值填充，但是索引必须是单调递增或者单调递减的，所以一般用在时间序列这样的有序数据中：

# obj5 =  obj2.reindex(['a','b','c','d','e'],method='ffill') 会报错obj3 = pd.Series(['blue','Purple','yellow'],index = [0,2,4])obj3.reindex(range(6),method='ffill')#输出0      blue1      blue2    Purple3    Purple4    yellow5    yellowdtype: object

数据运算
可以对Series进行numpy中的一些数组运算（如根据布尔型数据进行过滤，标量乘法、应用数学函数等），这些都会保留索引和值之间的链接

np.exp(obj2)#输出d      54.598150b    1096.633158a       0.006738c      20.085537dtype: float64

可以把Series看成是一个定长的有序字典，因为他是索引值到数据值的一个映射，它可以用在许多原本需要字典参数的函数中

b' in obj2#True

Series最重要的一个功能是：它在算术运算中会自动对齐不同索引的数据：

obj3 + obj4#输出California         NaNOhio           70000.0Oregon         32000.0Texas         142000.0Utah               NaNdtype: float64

排序和排名
sort_index按照索引进行排序，返回一个新的对象

obj = pd.Series(range(4),index=['d','a','b','c'])obj.sort_index()输出：a    1b    2c    3d    0dtype: int64

除了根据索引进行排序外，我们还可以根据列值进行排序：

obj.sort_values()#输出：d    0a    1b    2c    3dtype: int64

使用rank函数会增加一个排名值，从1开始，一直到数组中有效数据的数量，对于平级关系，rank是通过为各组分配一个平均排名的方式破坏平级关系的，如果不想使用这个平均值，可以使用method参数按照指定的方式进行rank排序，例如使用first可以按值在原始数据中出现顺序分配排名：

obj = pd.Series([7,-5,7,4,2,0,4])obj.rank()#输出：0    6.51    1.02    6.53    4.54    3.05    2.06    4.5dtype: float64

obj.rank(method='first')#输出0    6.01    1.02    7.03    4.04    3.05    2.06    5.0dtype: float64

汇总和计算描述统计
Series中的实现了sum、mean、max等方法，这里就不详细介绍了，我们主要介绍求协方差和相关系数的方法：Series的corr方法用于计算两个Series中重叠的，非NA的，按索引对齐的值的相关系数，与此类似，cov用于计算协方差。

obj1 = pd.Series(np.arange(10),index = list('abcdefghij'))obj2 = pd.Series(np.arange(12),index = list('cdefghijklmn'))obj1.corr(obj2)#1.0obj1.cov(obj2)#6.0

唯一数、值计数
unique返回没有排序的唯一值数组,value_counts()返回各数的计数

obj = pd.Series(['c','a','d','a','a','b','b','c','c'])uniques = obj.unique()uniques#array(['c', 'a', 'd', 'b'], dtype=object)

#value_counts()返回各数的计数obj.value_counts()#输出a    3c    3b    2d    1dtype: int64

处理缺失数据
Pandas中缺失值相关的方法主要有以下三个：
isnull方法用于判断数据是否为空数据；
fillna方法用于填补缺失数据；
dropna方法用于舍弃缺失数据。
上面两个方法返回一个新的Series或者DataFrame，对原数据没有影响,如果想在原数据上进行直接修改，使用inplace参数

data = pd.Series([1,np.nan,3.5,np.nan,7])data.fillna(0)#输出0    1.01    0.02    3.53    0.04    7.0dtype: float64

原文链接：https://mp.weixin.qq.com/s/ZkSz1iTSGNFuLAiniUg1jQ

查阅更为简洁方便的分类文章以及最新的课程、产品信息，请移步至全新呈现的“LeadAI学院官网”：

www.leadai.org

请关注人工智能LeadAI公众号，查看更多专业文章

大家都在看

LSTM模型在问答系统中的应用

基于TensorFlow的神经网络解决用户流失概览问题

最全常见算法工程师面试题目整理（一）

最全常见算法工程师面试题目整理（二）

TensorFlow从1到2 | 第三章 深度学习革命的开端：卷积神经网络

装饰器 | Python高级编程

今天不如来复习下Python基础