pandas 数据结构之Series的使用方法


						1. Series

Series 是一个类数组的数据结构，同时带有标签（lable）或者说索引（index）。

1.1 下边生成一个最简单的Series对象，因为没有给Series指定索引，所以此时会使用默认索引(从0到N-1)。





# 引入Series和DataFrame

In [16]: from pandas import Series,DataFrame

In [17]: import pandas as pd



In [18]: ser1 = Series([1,2,3,4])



In [19]: ser1

Out[19]: 

0  1

1  2

2  3

3  4

dtype: int64







1.2 当要生成一个指定索引的Series 时候，可以这样：　　





# 给index指定一个list

In [23]: ser2 = Series(range(4),index = ["a","b","c","d"])



In [24]: ser2

Out[24]: 

a  0

b  1

c  2

d  3

dtype: int64





1.3 也可以通过字典来创建Series对象





In [45]: sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000}



In [46]: ser3 = Series(sdata)

# 可以发现，用字典创建的Series是按index有序的

In [47]: ser3

Out[47]: 

Ohio   35000

Oregon  16000

Texas   71000

Utah    5000

dtype: int64





在用字典生成Series的时候，也可以指定索引，当索引中值对应的字典中的值不存在的时候，则此索引的值标记为Missing，NA，并且可以通过函数（pandas.isnull，pandas.notnull）来确定哪些索引对应的值是没有的。 





In [48]: states = ['California', 'Ohio', 'Oregon', 'Texas']



In [49]: ser3 = Series(sdata,index = states)



In [50]: ser3

Out[50]: 

California    NaN

Ohio     35000.0

Oregon    16000.0

Texas     71000.0

dtype: float64

# 判断哪些值为空

In [51]: pd.isnull(ser3)

Out[51]: 

California   True

Ohio     False

Oregon    False

Texas     False

dtype: bool



In [52]: pd.notnull(ser3)

Out[52]: 

California  False

Ohio      True

Oregon     True

Texas     True

dtype: bool







1.4 访问Series中的元素和索引：





# 访问索引为"a"的元素

In [25]: ser2["a"]

Out[25]: 0

# 访问索引为"a","c"的元素

In [26]: ser2[["a","c"]]

Out[26]: 

a  0

c  2

dtype: int64

# 获取所有的值

In [27]: ser2.values

Out[27]: array([0, 1, 2, 3])

# 获取所有的索引

In [28]: ser2.index

Out[28]: Index([u'a', u'b', u'c', u'd'], dtype='object')







1.5 简单运算

在pandas的Series中，会保留NumPy的数组操作（用布尔数组过滤数据，标量乘法，以及使用数学函数），并同时保持引用的使用





In [34]: ser2[ser2 > 2]

Out[34]: 

a  64

d   3

dtype: int64



In [35]: ser2 * 2

Out[35]: 

a  128

b   2

c   4

d   6

dtype: int64



In [36]: np.exp(ser2)

Out[36]: 

a  6.235149e+27

b  2.718282e+00

c  7.389056e+00

d  2.008554e+01

dtype: float64







1.6 Series的自动对齐

Series的一个重要功能就是自动对齐（不明觉厉），看看例子就明白了。 差不多就是不同Series对象运算的时候根据其索引进行匹配计算。





# ser3 的内容

In [60]: ser3

Out[60]: 

Ohio   35000

Oregon  16000

Texas   71000

Utah    5000

dtype: int64

# ser4 的内容

In [61]: ser4

Out[61]: 

California    NaN

Ohio     35000.0

Oregon    16000.0

Texas     71000.0

dtype: float64

# 相同索引值的元素相加

In [62]: ser3 + ser4

Out[62]: 

California     NaN

Ohio      70000.0

Oregon     32000.0

Texas     142000.0

Utah        NaN

dtype: float64







1.7 命名

Series对象本身，以及索引都有一个 name 属性





In [64]: ser4.index.name = "state"



In [65]: ser4.name = "population"



In [66]: ser4

Out[66]: 

state

California    NaN

Ohio     35000.0

Oregon    16000.0

Texas     71000.0

Name: population, dtype: float64







以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持中文源码网。