pandas之Series()菜鸟教程
'''
Pandas数据结构Series:基本概念及创建
"一维数组"Serise
'''
import numpy as np
import pandas as pd
import time
# Series 数据结构
# Series 是带有标签的一维数组,可以保存任何数据类型(整数,字符串,浮点数,Python对象等),轴标签统称为索引
# 导入numpy、pandas模块
s=pd.Series(np.random.rand(5))
#查看数据,数据类型
print(s)
print(type(s))
# .index查看series索引,类型为rangeindex
# .values查看series值,类型是ndarray
print(s.index,type(s.index))
print(s.values,type(s.values))
# 核心:series相比于ndarray,是一个自带索引index的数组 → 一维数组 + 对应索引
# 所以当只看series的值的时候,就是一个ndarray
# series和ndarray较相似,索引切片功能差别不大
# series和dict相比,series更像一个有顺序的字典(dict本身不存在顺序),其索引原理与字典相似(一个用key,一个用index)
print("========创建series三中方法=========")
#由字典创建,字典的key就是index,values就是values
dic={"a":"1","b":"2","c":"3","d":"4"}
s=pd.Series(dic)
print(s)
# 注意:key肯定是字符串,假如values类型不止一个会怎么样? → dic = {'a':1 ,'b':'hello' , 'c':3, '4':4, '5':5}
# Series 创建方法二:由数组创建(一维数组)
arr=np.random.rand(5)
s=pd.Series(arr)
print(s)
# 默认index是从0开始,步长为1的数字
s=pd.Series(arr,index=['a','b','c','d','e'])
print(s)
# Series 创建方法三:由标量创建
s=pd.Series(10,index=range(4))
print(s)
# 如果data是标量值,则必须提供索引。该值会重复,来匹配索引的长度
# Series 名称属性:name
s1=pd.Series(np.random.randn(5))
print(s1)
print("====================")
s2=pd.Series(np.random.randn(5),name="test")
print(s2)
print(s1.name,s2.name,type(s2.name))
print("====================")
#name为Series的一个参数,创建一个数组的 名称
# .name方法:输出数组的名称,输出格式为str,如果没用定义输出名称,输出为None
s3=s2.rename("hehehe")
print(s3)
print(s3.name,s2.name)
# .rename()重命名一个数组的名称,并且新指向一个数组,原数组不变
#rand()和randn()的区别
#rand():随机样本位于[0, 1)中
#randn():标准正态分布中返回一个或多个样本值。
'''
Pandas数据结构Series:索引
位置下标 / 标签索引 / 切片索引 / 布尔型索引
'''
print("=======Pandas数据结构Series:索引=======")
s=pd.Series(np.random.rand(5))
print(s)
print(s[0],type(s[0]),s[0].dtype)
print(float(s[0]),type(float(s[0])))
# print(s[-1])
# 位置下标从0开始
# 输出结果为numpy.float格式,
# 可以通过float()函数转换为python float格式
# numpy.float与float占用字节不同
# s[-1]结果如何?
print("======索引切片========")
s1=pd.Series(np.random.rand(5))
print(s1)
s2=pd.Series(np.random.rand(5))
print(s2)
print(s1[1:4],s1[4])
# 注意:用index做切片是末端包含
print(s2[0:3],s2[3])
print("===================")
print(s2[:-1])
print(s2[::2])
# 下标索引做切片,和list写法一样print("=========布尔型索引======")
s=pd.Series(np.random.rand(3)*100)
s[4]=None #添加一个空值
print(s)
bs1=s>50
bs2=s.isnull()
bs3=s.notnull()
print(bs1,type(bs1),bs1.dtype)
print(bs2,type(bs2),bs2.dtype)
print(bs3,type(bs3),bs3.dtype)
# 数组做判断之后,返回的是一个由布尔值组成的新的数组
# .isnull() / .notnull() 判断是否为空值 (None代表空值,NaN代表有问题的数值,两个都会识别为空值)
print(s[s>50])
print(s[bs3])
# 布尔型索引方法:用[判断条件]表示,其中判断条件可以是 一个语句,或者是 一个布尔型数组!
print("============= Pandas数据结构Series:基本技巧====================")
'''
Pandas数据结构Series:基本技巧
数据查看 / 重新索引 / 对齐 / 添加、修改、删除值
'''
#查看数组
s=pd.Series(np.random.rand(50))
# .head()查看头部数据
# .tail()查看尾部数据
# 默认查看5条
print(s.tail(10))
print(s.head())
print("============# 重新索引reindex==============")
# .reindex将会根据索引重新排序,如果当前索引不存在,则引入缺失值
s=pd.Series(np.random.rand(3),index=['a','b','c'])
print(s)
# .reindex()中也是写列表
# 这里'd'索引不存在,所以值为NaN
s1=s.reindex(['a','b','c','d'])
print(s1)
# fill_value参数:填充缺失值的值
s2=s.reindex(['a','b','c','d'],fill_value=0)
print(s2)
print("========Series对齐==========")
s1=pd.Series(np.random.rand(3),index=['Jack','Marry', 'Tom'])
s2=pd.Series(np.random.rand(3),index=['Jack','Marry', 'Tom'])
print(s1)
print(s2)
print(s1+s2)
# Series 和 ndarray 之间的主要区别是,Series 上的操作会根据标签自动对齐
# index顺序不会影响数值计算,以标签来计算
# 空值和任何值计算结果扔为空值
print("=======#删除:drop==========")
s=pd.Series(np.random.rand(5),index=list('ngjur'))
print(s)
s1=s.drop('n')
s2=s.drop(['g','j'])
print(s1)
print(s2)
print(s)
# drop 删除元素之后返回副本(inplace=False)
print("========添加=======")
s1=pd.Series(np.random.rand(5))
s2=pd.Series(np.random.rand(5),index=list("ngjur"))
print(s1)
print(s2)
s1[5]=100
s2['a']=100
print(s1)
print(s2)
print("================")# 直接通过下标索引/标签index添加值
s3=s1.append(s2)
print(s3)
# 通过.append方法,直接添加一个数组
# .append方法生成一个新的数组,不改变之前的数组
print("=======修改======")
s=pd.Series(np.random.rand(3),index=['a','b','c'])
print(s)
pandas之Series()菜鸟教程相关推荐
- python菜鸟教程官网pandas,python菜鸟教程官网numpy
求比较好的Python练习网站 适合 Python 入门学习的5个网站1. Python官方网站最权威的 Python 教程.2. 菜鸟教程 Python 教程基本入门级教程,还有一些简单的进阶教程. ...
- 菜鸟教程python3-Python数据分析,学习路径拆解及资源推荐
原标题:Python数据分析,学习路径拆解及资源推荐 关于Python数据分析,其实网上能够找到的学习资源很多,主要分为两类: 一类是提供各种资源的推荐,比如书单.教程.以及学习的先后顺序: 另一类是 ...
- Python 数据分析三剑客之 Pandas(一):认识 Pandas 及其 Series、DataFrame 对象
CSDN 课程推荐:<迈向数据科学家:带你玩转Python数据分析>,讲师齐伟,苏州研途教育科技有限公司CTO,苏州大学应用统计专业硕士生指导委员会委员:已出版<跟老齐学Python ...
- 超级简单的Python爬虫教程,python爬虫菜鸟教程官网
毫无基础的人如何入门 Python ? Python是一种计算机程序设计语言.你可能已经听说过很多种流行的编程语言,比如非常难学的C语言,非常流行的Java语言,适合初学者的Basic语言,适合网页编 ...
- python爬虫菜鸟教程-Python数据分析,学习路径拆解及资源推荐
原标题:Python数据分析,学习路径拆解及资源推荐 关于Python数据分析,其实网上能够找到的学习资源很多,主要分为两类: 一类是提供各种资源的推荐,比如书单.教程.以及学习的先后顺序: 另一类是 ...
- Markdown菜鸟教程
Markdown菜鸟教程 Author:Yuan's Q 目录 [TOC] 一.字体.格式类 1.1字体与颜色设置 浅红色文字:<font color="#dd0000"&g ...
- python scrapy菜鸟教程_scrapy学习笔记(一)快速入门
安装Scrapy Scrapy是一个高级的Python爬虫框架,它不仅包含了爬虫的特性,还可以方便的将爬虫数据保存到csv.json等文件中. 首先我们安装Scrapy. pip install sc ...
- pandas 遍历 series
pandas 遍历 series from pandas import Series index1 = ['01', '02', '03', '04', '05', '06'] data1 = ['小 ...
- JS实例学习笔记——w3cschool+菜鸟教程
基础实例--w3cschool write() document.write("this is a string");//生成普通文本 document.write("& ...
- dataframe python格式_python3.6 pandas,Series和DataFrame基础格式与用法,附代码实例
pandas 是基于numpy构建的库,加上numpy,主要用于科学运算和数据处理. 也是一个让我忘记昂贵的MATLAB,并且不得不复习SQL的库.. 一般引入规定: In [105]: from p ...
最新文章
- DevOps的工程化
- LVS TUN模式搭建
- JMeter重要知识点汇总
- char *a 与 char a[] 的区别
- oracle 存储过程字符替换,Oracle存储过程常用字符串处理函数整理
- 虚拟机下Ubuntu共享主机文件(Ubuntu、VMware、共享) .
- 理解lua中的metatable和__index
- 20155330 第十一周课堂练习(20170503)
- 解决办法:error: 'size_t' does not name a type、unknown type name 'size_t'
- python pycharm 无法import win32api、win32con、win32com、win32gui 问题一次解决!方法合集
- MAC提示“因为它来自身份不明的开发者” 或“已损坏,打不开“怎么办?
- 第一章:Django介绍
- 全志V3s IIC控制器驱动分析
- 职称论文发表时怎么选择期刊
- 3d可视化建模产品三维展示平台应用广
- 收藏一些非常不错的学习资源
- 湖北专升本MySQL复习(MySQL数据库实用教程)——MySQL数据表的操作
- 怎样学好Python
- DTOJ #5981
- 取消检验批过账(决策)