【python】pandas库Serie

• 2020 年 1 月 3 日
• 筆記

Series类型由一组数据及与之相关的数据索引组成，Series类型可以由如下类型创建：

• Python列表，index与列表元素个数一致

In [1]: import pandas as pd    In [2]: list_a = [2,4,5,6]    In [3]: pd.Series(list_a)  Out[3]:  0    2  1    4  2    5  3    6  dtype: int64

• 标量值，index表达Series类型的尺寸

In [4]: pd.Series(1,index = [1,2,3])  Out[4]:  1    1  2    1  3    1  dtype: int64

• Python字典，键值对中的“键”是索引，index从字典中进行选择操作

In [5]: pd.Series({'a':1,'b':3})  Out[5]:  a    1  b    3  dtype: int64  #如果定义的index在原字典中已经存在，那么该索引会一直对应原字典的值，如果index对应不到原字典的值，则会返回NaN  In [11]: pd.Series({'a':1,'b':3},index = ['b','a','c'])  Out[11]:  b    3.0  a    1.0  c    NaN  dtype: float64

• ndarray，索引和数据都可以通过ndarray类型创建

In [9]: list_b = np.arange(6)    In [10]: pd.Series(list_b)  Out[10]:  0    0  1    1  2    2  3    3  4    4  5    5  dtype: int32

• 其他函数，range()函数等

In [12]: pd.Series(range(3))  Out[12]:  0    0  1    1  2    2  dtype: int32

Series类型的基本操作：

• Series类型包括index和values两部分

In [14]: a = pd.Series({'a':1,'b':5})    In [15]: a.index  Out[15]: Index(['a', 'b'], dtype='object')    In [16]: a.values  #返回一个多维数组numpy对象  Out[16]: array([1, 5], dtype=int64)

• Series类型的操作类似ndarray类型

#自动索引和自定义索引并存，但不能混用  In [17]: a[0]  #自动索引  Out[17]: 1  #自定义索引  In [18]: a['a']  Out[18]: 1  #不能混用  In [20]: a[['a',1]]  Out[20]:  a    1.0  1    NaN  dtype: float64

• Series类型的操作类似Python字典类型

#通过自定义索引访问  #对索引保留字in操作，值不可以  In [21]: 'a' in a  Out[21]: True    In [22]: 1 in a  Out[22]: False

Series类型在运算中会自动对齐不同索引的数据

In [29]: a = pd.Series([1,3,5],index = ['a','b','c'])    In [30]: b = pd.Series([2,4,5,6],index = ['c,','d','e','b'])    In [31]: a+b  Out[31]:  a     NaN  b     9.0  c     NaN  c,    NaN  d     NaN  e     NaN  dtype: float64

Series对象可以随时修改并即刻生效

In [32]: a.index = ['c','d','e']    In [33]: a  Out[33]:  c    1  d    3  e    5  dtype: int64    In [34]: a+b  Out[34]:  b      NaN  c      NaN  c,     NaN  d      7.0  e     10.0  dtype: float64

总结：Series基本操作类似ndarray和字典，根据索引对齐。