Pandas数据结构-Series
来源:互联网 发布:股大师软件下载 编辑:程序博客网 时间:2024/06/05 17:31
pandas主要数据对象为Series和DataFrame。
Series
Series是一个一维类似数组对象,包含一个数组的数据和一个与数组关联的数据标签。
若不指定索引值,则默认从0开始计数。可以分别使用values和index属性来获取Series的数值和索引值。例如:
ser1=pd.Series([1,3,4,3])print(ser1.values)print(ser1.index)>>[1 3 4 3]>>RangeIndex(start=0, stop=4, step=1)
同时,也可以创建一个带索引的Series对象。例如:
ser2=pd.Series([1,3,4,3], index=['a','b','v','d'])print(ser2)>> a 1 b 3 v 4 d 3 dtype: int64
index的值可以进行修改,ser.index=range(len(ser))将index的值修改成了从0开始。或者直接赋值更改。
可以直接将dict中的值存入Series中。例如:
dict1={'b': 1, 'a': 2, 'c': 3}ser3=pd.Series(dict1)print(ser3)>> a 2 b 1 c 3 dtype: int64
可以看出,dict中的索引通过排序后存入Series中。
Series也可以转换为dict。将series中的index作为keys,对应的值作为dict的values。例如:
ser2=pd.Series([1,3,4,3], index=['a','b','v','d'])dict2=dict(ser2)print(dict2)>>{'a': 1, 'b': 3, 'v': 4, 'd': 3}
Series中检测数据丢失,可使用ser.isnull(),若返回值为True,则数据丢失。
Series可以直接使用索引值来获取value或者修改value。例如:
ser2=pd.Series([1,3,4,3], index=['a','b','v','d'])print(ser2['d'])ser2['b']=7print(ser2)>> 3 a 1 b 7 v 4 d 3 dtype: int64
或者使用replace属性,例如ser.replace(1,11)将1替换成11。
在算术运算中,Series会自动对齐不同索引的数据。
Series对本身和索引都有一个name属性,可使用ser.name和ser.index.name获取。
对Series升序降序排列,可以使用:
data.sort_values(ascending = False) #降序排列data.sort_values(ascending = True) #升序排列
求Series的累计和可以使用:
data.cumsum()
阅读全文
0 0
- pandas数据结构Series学习
- Pandas数据结构之:Series
- Pandas数据结构-Series
- pandas数据结构之Series
- Pandas 数据结构(Series,DataFrame)
- pandas的数据结构-Series
- pandas核心数据结构series详解
- Pandas 数据结构Series、DataFrame分析
- python-pandas-Series和DataFrame数据结构构建
- Python-Pandas(5)核心数据结构Series详解
- pandas&pandas学习教程&DataFrame与Series数据结构
- Pandas Series
- pandas: series
- Pandas Series
- pandas-Series
- Pandas-Series
- 第5章-1 Pandas的数据结构介绍Series
- Pandas两种主要的数据结构--Series和DataFrame
- 用JAVA实现大文件上传及显示进度信息
- 【直观梳理深度学习关键概念】优化算法、调参基本思路、正则化方式等
- micropython time 函数实现
- bootstrap-typeahead的ajax配合使用
- 苹果最低级漏洞!无需密码就可解锁Mac
- Pandas数据结构-Series
- unity双开同目录
- 图论基本概念
- liunx 查看版本号及其操作系统
- Spring Cloud限流详解(附源码)
- 三种静态查找算法:顺序、二分/折半、索引/分块查找
- shadowsocks 搭建与使用
- 插件--底部弹框
- [js]this的工作方式