【pandas】[1] Series 入门(创建和增删改查)

作者：lianghc

地址：http://blog.csdn.net/zutsoft/article/details/51482573

Series 是pandas两大数据结构中（DataFrame，Series）的一种。使用pandas 前需要将pandas 模块引入，因为Series和DataFrame用的次数非常多，所以将其引入本地命名空间中会更方便。

[python] view plain copy

1. from pandas import Series, DataFrame  
2. import pandas as pd  

因此，一般在代码中看到pd.，都指的是pandas。

1.创建Series

Series的定义：Series是一种类似于一维数组的对象，它由一组数据（各种NumPy数据类型）以及一组与之相关的数据标签（即索引）组成。

       Series对象本质上是一个NumPy的数组，因此NumPy的数组处理函数可以直接对Series进行处理。但是Series除了可以使用位置作为下标存取元素之外，还可以使用标签下标存取元素，这一点和字典相似。每个Series对象实际上都由两个数组组成：

index: 它是从NumPy数组继承的Index对象，保存标签信息。
values: 保存值的NumPy数组。

注意三点：

 1. Series是一种类似于一维数组（数组：ndarray）的对象

 2. 它的数据类型没有限制（各种NumPy数据类型）

 3. 它有索引，把索引当做数据的标签（key）看待，这样就类似字典了（只是类似，实质上市数组）

 4.Series同时具有数组和字典的功能，因此它也支持一些字典的方法

创建数组，例如：

[html] view plain copy

1. In [1]:arr=[1,2,3,4] #创建数组  
2.   
3. In [2]:arr  
4. Out[2]: [1, 2, 3, 4]  

创建Series:

[python] view plain copy

1. series_1=Series(arr)  
2. series_1  
3. Out[146]:   
4. 0    1  
5. 1    2  
6. 2    3  
7. 3    4  
8. dtype: int64  
9. series_2=Series([1,2,3,4])  
10. series_2  
11. Out[148]:   
12. 0    1  
13. 1    2  
14. 2    3  
15. 3    4  
16. dtype: int64  

创建包含多种数据类型的Series：

[python] view plain copy

1. series_3=Series([1,2,'3',4,'a'])  <span style="font-family: Arial, Helvetica, sans-serif;">#包含数字和字符串</span>  
2. series_3  
3. Out[150]:   
4. 0    1  
5. 1    2  
6. 2    3  
7. 3    4  
8. 4    a  
9. dtype: object  #类型变成了字符串  

2.Series索引

Series创建后会自动生成索引，默认从0开始

可以指定和修改索引

[python] view plain copy

1. In [154]: series_4.index=['a','b','c']  
2.   
3. In [155]: series_4  
4. Out[155]:   
5. a    1  
6. b    2  
7. c    3  

修改索引除了这里的直接修改还有一个reindex()方法。

3.Series增删改查

Series创建后可以对数据进行增删改查

3.1 增：

Series的add()方法是加法计算不是增加Series元素用的。

使用append连接其他Series

3.2删：

[python] view plain copy

1. In [162]: series_4.drop('a')  
2. Out[162]:   
3. b    2  
4. c    3  
5. dtype: int64  

3.3 改：

[python] view plain copy

1. In [170]: series_4['a']=4  
2.   
3. In [171]: series_4  
4. Out[171]:   
5. a    4  
6. b    2  
7. c    3  
8. dtype: int64  

3.4 查：

通过索引查单值

[python] view plain copy

1. In [172]: series_4['a']  
2. Out[172]: 4  

通过索引序列查多值：

[python] view plain copy

1. series_4[['a','b']]  
2. Out[174]:   
3. a    4  
4. b    2  
5. dtype: int64  

通过布尔类型索引筛选：

[python] view plain copy

1. In [175]: series_4[series_4>2]  
2. Out[175]:   
3. a    4  
4. c    3  
5. dtype: int64  

通过位置切片和标签切片查询数据：

[python] view plain copy

1. series_4  
2. Out[194]:   
3. a    4  
4. b    2  
5. c    3  
6. dtype: int64  
7.   
8. series_4[:2]  
9. Out[195]:   
10. a    4  
11. b    2  
12. dtype: int64  
13.   
14. series_4['a':'c']  
15. Out[196]:   
16. a    4  
17. b    2  
18. c    3  
19. dtype: int64  

4.通过字典创建Series

[python] view plain copy

1. series_5=Series({'a':1,'b':2,'c':3})  
2.   
3. series_5  
4. Out[201]:   
5. a    1  
6. b    2  
7. c    3  
8. dtype: int64  

其他可参考这篇文章：Pandas中兼并数组和字典功能的Series