pandas的數據結構介紹（一）—— Series

• 2021 年 6 月 20 日
• 筆記
• pandas, Python, series

pandas兩個主要數據結構之一——Series

• 類似於一維數組，由一組數據和與其相關的一組索引組成

obj = Series([4, 7, -5, 3], index=['d', 'b', 'a', 'c']) 
print(obj)
'''
d    4
b    7
a   -5
c    3
dtype: int64
'''

• 可通過索引，選取單個或多個值

tmp = ['a', 'b']
print(obj[tmp])
"""
a   -5
b    7
dtype: int64
"""

• 也可根據布爾型數組進行運算

print(obj[obj > 0])
print(obj*2)
"""
d    4
b    7
c    3
dtype: int64
d     8
b    14
a   -10
c     6
dtype: int64
"""

• 還可以看作是定長的有序字典

data = {'a': 1, 'b': 2, 'c': 3, 'd': -1}
obj2 = Series(data)  # 通過字典直接生成Series
print(obj2)
"""
a    1
b    2
c    3
d   -1
dtype: int64
"""

t = 'a' in obj2  # 判斷『a』是否為obj2索引
print(t)
"""
True
"""

• 生成Series時，無對應值自動填充為 NaN，且Series對數據會根據索引自動對齊

# 如果 obj2 = Series(data, index = ...) 中，index對應無對應值，則其填充為NaN
index = ['a', 'e', 'b', 'c', 'd']  # 多了一個『e』，並且位置不同（在生成時會自動對齊）
obj3 = Series(data, index=index)
print(obj3)
"""
a    1.0
e    NaN
b    2.0
c    3.0
d   -1.0
dtype: float64
"""

# 數據是否缺失可用isnull檢測
print(obj3.isnull())
"""
a    False
e     True
b    False
c    False
d    False
dtype: bool
"""

• Series可進行運算,不過與NaN運算結果始終為NaN

obj4 = Series({'a': 1, 'b': 2, 'd': -1, 'e': 5})
print(obj4)
print(obj3+obj4)
"""
a    1
b    2
d   -1
e    5
dtype: int64

# obj4 中無『c』索引，其默認為NaN
# 運算完後會自動排序
a    2.0
b    4.0
c    NaN
d   -2.0
e    NaN
dtype: float64
"""

• Series本身及其索引均有一個name屬性

obj4.name = 'obj4'
obj4.index.name = 'index'
print(obj4)
"""
index
a    1
b    2
d   -1
e    5
Name: obj4, dtype: int64
"""

• Series索引可通過賦值方式就地修改

obj4.index = [1, 2, 3, 4] # 索引個數要相同，且更改後索引名會清空
print(obj4)
"""
1    1
2    2
3   -1
4    5
Name: obj4, dtype: int64
"""