Python Pandas中創(chuàng)建Series的三種方法總結(jié)
Pandas中創(chuàng)建Series的三種方法
一、通過列表創(chuàng)建
# encoding=utf-8 import pandas as pd # 定義一個列表 a = [1, 2, 3, 4] s1 = pd.Series(a) print(s1)
運行結(jié)果：
第一列為索引，是Series在創(chuàng)建時默認生成的，第二列即為值，通過type(s1)命令即可看到s1的數(shù)據(jù)類型為：pandas.core.series.Series，我們也可以將第四行的代碼改為：
`s1 = pd.Series(a, index=["a", "b", "c", "d"])`
重新設置我們的索引，這樣原先的索引就從0,1,2,3變?yōu)榱?code>a,b,c,d，更有一定的語義。
如果我們想查看索引和值可以分別通過訪問Series的index屬性和values屬性：
二、通過數(shù)組創(chuàng)建
這里的數(shù)組值的是numpy中的數(shù)組，它是對python列表的深度封裝。
我們來看代碼：
# encoding=utf-8 import pandas as pd import numpy as np # 定義數(shù)組 arr = np.arange(1, 5) s2 = pd.Series(arr) print(s2)
運行結(jié)果：
可以看到，也成功創(chuàng)建了一個Series。
三、通過字典創(chuàng)建
關(guān)于Series，筆者認為它更像一個有序的大字典，因此我們用操作字典的習慣操作Series往往能得心應手。
我們來看如何通過字典創(chuàng)建一個Series：
# encoding=utf-8
import pandas as pd
# 創(chuàng)建一個字典
dic = {"name": "丁少俠", "age": 20, "grade": [100, 99, 88]}
s3 = pd.Series(dic)
print(s3)運行結(jié)果：
這里我們已經(jīng)成功創(chuàng)建了一個存放學生信息的Series，由于字典自帶key，因此索引也就自然創(chuàng)建了。
如果我們希望grade放在第一列，應該怎么設置呢？我們只需要修改第5行代碼：
s3 = pd.Series(dic, index=["grade", "name", "age"])
此時，index參數(shù)的功能不再是設置索引，而是根據(jù)索引排序，因為字典本身自帶索引。
另外，假如我們將第5行代碼修改為以下呢：
s3 = pd.Series(dic, index=["grade", "name", "age", "sex"])
可以看到，因為這位同學的性別未知，創(chuàng)建的Series中，sex這一欄就只能填NaN了，通過賦值，即可確定性別。
s3["sex"]="男"
看，像不像字典的操作?。。?！那么我們順著操作字典的思路再試著操作s3，再添加一個屬性：hobby：
s3["hobby"] = ["code,basketball,sleep"]
關(guān)于Series的操作無非增刪改查，這里我們點到為止。
Python pandas，pandas.series,series的主要方法
Pandas安裝
pip install pandas
numpy和pandas區(qū)別
numpy：生成的是ndarray,數(shù)組pandas：基于numpy，生成兩種對象，一種是series,一種是dataframe。series：一維數(shù)組類似array,series=索引+數(shù)據(jù)。區(qū)別是Series能保存不同種數(shù)據(jù)類型，字符串、boolean值、數(shù)字等，而numpy只能存儲同類型數(shù)據(jù)。dataframe：二維的表格型數(shù)據(jù)結(jié)構(gòu)，是組合的series。dataframe 的每一行和每一列都是一個series。
Series的生成
生成Series：
語法結(jié)構(gòu)：
Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)
data:可傳入數(shù)組，可迭代對象，字典或標量值index:以數(shù)組或列表形式傳入自定義索引，若不傳值，則默認[0,1,2…n],索引的個數(shù)需與data的長度相等name: 自定義series的名字，默認none
#Series實例 import pandas as pd from pandas import Series seri=pd.Series([3,5,-2,9],index=['a','b','c','d']) print(seri) print(type(seri)) #輸出 a 3 b 5 c -2 d 9 dtype: int64 <class 'pandas.core.series.Series'>
Series的主要方法
1.** 獲取series的值：
series.values,：以ndarray結(jié)構(gòu)輸出
import pandas as pd from pandas import Series seri=pd.Series([3,5,-2,9],index=['a','b','c','d']) print(seri.values) print(type(seri.values)) #輸出 [ 3 ?5 -2 ?9] <class 'numpy.ndarray'> #生成series時傳入的值是list結(jié)構(gòu)，輸出的仍是 ndarray結(jié)構(gòu)
獲取series的索引：
series.index,：以pandas index 結(jié)構(gòu)輸出 import pandas as pd from pandas import Series seri=pd.Series([3,5,-2,9],index=['a','b','c','d']) print(seri.index) print(type(seri.index)) #輸出： Index(['a', 'b', 'c', 'd'], dtype='object') <class 'pandas.core.indexes.base.Index'>
通過索引找到對應值：兩種方法：通過位置查找/通過索引名稱查找
import pandas as pd from pandas import Series seri=pd.Series([3,5,-2,9]) seri.index=["a","b","c","d"] print(seri["a"]) #通過索引名稱查找，類似字典 print(seri[0:3])#通過位置切片查找，類似列表/數(shù)組 #輸出 3 a ? ?3 b ? ?5 c ? -2
將字典轉(zhuǎn)換成series：key對應變成index，value為值
import pandas as pd
from pandas import Series
dic={"a":"5","n":"6","k":"0"}
seri=pd.Series(dic)
print(seri)
#輸出
a ? ?5
n ? ?6
k ? ?0查找缺失數(shù)據(jù)：返回缺失數(shù)據(jù)的索引和非缺失數(shù)據(jù)的索引+值
import pandas as pd
from pandas import Series
dic={"a":'',"n":"","k":"0"}
seri=pd.Series(dic)
print(seri.isnull)
#輸出：
<bound method Series.isnull of a ? ? n ? ??
k ? ?0判斷series中是否存在缺失數(shù)據(jù)：seri.isnull().any()，輸出布爾值
注:numpy.nan 是生成確實數(shù)據(jù)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())
#輸出：
False
#ps: 判斷series中是否都為缺失數(shù)據(jù)：series.isnull().any()，輸出布爾值去重：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)
#輸出：
['a' 'k' 'm' 'w' '9']
#注：也可以用python 的set函數(shù)，
print(set(data))
#輸出
{'m', 'w', '9', 'a', 'k'}
#區(qū)別：
set去重后會改變原來的順序，而unique不會
set生成的事set對象 <class 'set'>，而unique生成的事ndarray對象 <class 'numpy.ndarray'>總結(jié)
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
今天給大家?guī)淼奈恼率顷P(guān)于Python的相關(guān)知識,文章圍繞著Python插入排序及其優(yōu)化方案展開,文中有非常詳細的介紹及代碼示例,需要的朋友可以參考下2021-06-06
Mac系統(tǒng)中Anaconda環(huán)境配置Python json庫的方法詳解
這篇文章主要為大家介紹了如何在Mac電腦的Anaconda環(huán)境中,配置Python語言中,用以編碼、解碼、處理JSON數(shù)據(jù)的json庫,需要的小伙伴可以參考下2023-08-08
這篇文章主要為大家詳細介紹了如何基于Python語言，實現(xiàn)按照一定命名規(guī)則批量修改多個文件的文件名的效果，文中的示例代講解詳細，感興趣的可以了解一下2023-01-01
忘記ftp密碼了怎么辦？下面介紹一個使用python ftplib庫的方法,大家參考使用吧2014-01-01
這篇文章主要介紹了python解析json數(shù)據(jù)的小實例，代碼簡單實用，大家參考使用吧2013-11-11
在日常工作中,我們每天要接觸大量不同類型的文件,下面小編就來和大家詳細介紹一下如何使用Python從零打造一個桌面文件管理工具,感興趣的小伙伴可以了解下2026-03-03
numpy存取數(shù)據(jù)(tofile/fromfile)的實現(xiàn)
本文主要介紹了numpy存取數(shù)據(jù)(tofile/fromfile)的實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2023-02-02
Python使用scipy模塊實現(xiàn)一維卷積運算示例
這篇文章主要介紹了Python使用scipy模塊實現(xiàn)一維卷積運算,結(jié)合實例形式分析了scipy模塊的功能及使用scipy模塊進行一維卷積運算的相關(guān)操作技巧,需要的朋友可以參考下2019-09-09
Python正則表達式是一種強大的文本匹配工具,常用于處理字符串、解析HTML、爬蟲等領域,這篇文章主要介紹了Python正則表達式常用特殊字符及其含義的相關(guān)資料,文中通過代碼介紹的非常詳細,需要的朋友可以參考下2026-02-02
Pandas作為Python中最流行的數(shù)據(jù)處理庫,提供了強大的數(shù)據(jù)操作功能,其中數(shù)據(jù)重命名是常見且基礎的操作之一,本文將通過簡潔明了的講解和豐富的代碼示例,帶你快速掌握如何在Pandas中進行數(shù)據(jù)重命名,需要的朋友可以參考下2025-01-01