二、pandas系列---pandas库的Series类型

pandas系列—pandas库的Series类型

一、Series概述

Series是由一组数据及与之相关的数据索引组成
例子：

import pandas as pda = pd.Series([9,8,7,6]) #自动索引print(a)

运行结果：
0 9
1 8
2 7
3 6
dtype: int64

import pandas as pdb = pd.Series([9,8,7,6],index=['a','b','c','d']) #自定义索引print(b)

运行结果：
a 9
b 8
c 7
d 6
dtype: int64

二、创建Series类型的方法

Series类型可由如下类型创建：python列表、标量值、python字典、ndarray、其他函数

2.1 从标量值创建

import pandas as pda = pd.Series(25,index=['a','b','c','d'])print(a)

运行结果：
a 25
b 25
c 25
d 25
dtype: int64

2.2 从字典类型创建

例子1：

import pandas as pdb = pd.Series({'a':9,'b':8,'c':7})print(b)

运行结果：
a 9
b 8
c 7
dtype: int64
例子2：

import pandas as pdc = pd.Series({'a':9,'b':8,'c':7},index=['c','a','b','d'])print(c)

运行结果：
c 7.0
a 9.0
b 8.0
d NaN
dtype: float64

2.3 从ndarray类型创建

import pandas as pdimport numpy as npd = pd.Series(np.arange(5))e = pd.Series(np.arange(5),index = np.arange(9,4,-1))print(d)print(e)

运行结果：
0 0
1 1
2 2
3 3
4 4
dtype: int32

9 0
8 1
7 2
6 3
5 4
dtype: int32

三、Series类型的基本操作

3.1 简单的操作

Series类型包括index和values两部分

import pandas as pdg = pd.Series([9,8,7,6],['a','b','c','d'])gOut[16]: a    9b    8c    7d    6g.indexOut[18]: Index(['a', 'b', 'c', 'd'], dtype='object')g.valuesOut[19]: array([9, 8, 7, 6], dtype=int64)g['b']Out[20]: 8g[1]Out[21]: 8dtype: int64g[['c','d',0]]  #自定义索引和自动索引不能混合使用Out[24]: c    7.0d    6.00    NaNdtype: float64g[['c','d','a']]Out[25]: c    7d    6a    9dtype: int64

3.3 Series类似ndarray类型的操作

import pandas as pdm = pd.Series([9,8,7,6],['a','b','c','d'])mOut[32]: a    9b    8c    7d    6dtype: int64m[3]Out[33]: 6m[:3]Out[34]: a    9b    8c    7dtype: int64m[m>m.median()]Out[35]: a    9b    8dtype: int64np.exp(m)Out[36]: a    8103.083928b    2980.957987c    1096.633158d     403.428793dtype: float64

3.3 Series类似python字典类型的操作

import pandas as pdh = pd.Series([9,8,7,6],['a','b','c','d'])h['b']Out[27]: 8'c' in h  #保留字in只会判断自定义索引Out[28]: True0 in hOut[29]: Falseb.get('f',100)  #若存在，就返回‘f’对应的值，若不存在，就返回100Out[30]: 100

3.4 Series类型的对齐操作

Series在运算中回自动对齐不同索引的数据

import pandas as pdp = pd.Series([9,8,7,6],['a','b','c','d'])q = pd.Series([1,2,3],['c','b','e'])p+qOut[39]: a     NaNb    10.0c     8.0d     NaNe     NaNdtype: float64

3.5 Series类型的name属性

Series对象和索引都可以都一个名字，存储在属性.name中

import pandas as pds = pd.Series([9,8,7,6],['a','b','c','d'])sOut[42]: a    9b    8c    7d    6dtype: int64s.names.name='Series对象's.index.name='索引列'sOut[46]: 索引列a    9b    8c    7d    6Name: Series对象, dtype: int64

3.6 Series类型的修改

import pandas as pdt = pd.Series([9,8,7,6],['a','b','c','d'])t['a']=15t.name = 'Series'tOut[50]: a    15b     8c     7d     6Name: Series, dtype: int64t.name='New Series't['b','c']=20tOut[53]: a    15b    20c    20d     6Name: New Series, dtype: int64

• 注1：Series是一维带标签数组
• 注2：Series基本操作类似ndarray和字典，根据索引对齐

---

参考资料：北京理工大学嵩天老师教学视频