（7）Series常用属性和方法

内容：

·shape、size、index、values

·显式索引.any()

·value值为NaN

·Series的name属性

·Series数组排序

先导入各种包:

import numpy as np
import pandas as pd
from pandas import Series

【shape、size、index、values】

# Series是一个有序的字典对象

# 也可以通过shape、size、index、values等得到Series的属性

arr_series = Series(data=np.random.randint(0, 100, size=8), index=["A", "B", "C", "D", "E", "F", "G", "H"])
print(arr_series, "\n", type(arr_series))
print()
print("各项属性："
      "\narr_series.shape:", arr_series.shape,
      "\narr_series.size:", arr_series.size,
      "\narr_series.index:", arr_series.index,
      "\narr_series.values:", arr_series.values)
print()

运行结果：

 

 【显式索引.any()】

# 查看在Series数组中是否存在”A“和”K“：

# 查看在Series数组中是否存在”A“和”K“：
A_bool = (arr_series.index == "A")
K_bool = (arr_series.index == "K")
print("arr_series.index中是否包含A：", A_bool.any())
print("arr_series.index中是否包含K：", K_bool.any())
print()

运行结果：

 只要在arr_series数组的显式索引中，存在"A"，那么返回值就是True，反之，返回值就是False。

【NaN】

arr = Series(data={"语文": 99, "数学": 89, "英语": 79}, index=["语文", "数学", "英语", "物理"])
# 当index="物理"时，其value值为NaN：
print(arr)
print()

运行结果：

        在定义Series数组时，当用户传入的显式索引在字典的key中找不到匹配项，解释器就会自动给该显式索引对应的value赋值为“NaN”。

# NaN：空值

 # 但当arr数据量过于庞大时，肉眼并不能判断出是否存在NaN，这是就需要用到notnull()、isnull()方法

#notnull():不存在返回True，

# isnull():存在返回True

print("arr数组中是否存在NaN:\n", arr.isnull().any(), "\narr数组：\n", arr.isnull())
print()

运行结果：

【name属性】

# Series对象及其实例都有一个name属性

# 因为Series数组是一个一维数组，所以name一般用作二维表格中的列字段而存在

arr.name = "学科"
print(arr)

运行结果：

【Series数组排序】

先生成一个ser数组：

ser = Series(data=np.random.randint(0, 100, size=10),
             index=list("abcdefghij"))
print(ser)
print()

运行结果：

（按照值排序）

ser.sort_values()

        括号中默认为升序排列，也就是从小到大，当ascending传入参数为False时，为降序排列。也就是从大到小。

# 按照值排序，也就是按照value的大小来排序
# ser.sort_values()括号中默认为升序排列，
print("按照值排序：\n", ser.sort_values(ascending=False))

运行结果：

 （按照索引排序）

# 按照索引排序，也就是按照index的大小来排序
# 什么时候会用索引排序呢？
# 当索引为时间时，一般会用到索引排序，观察数据随时间的变化

ser.sort_idnex()

# 按照索引排序，也就是按照index的大小来排序
# 什么时候会用索引排序呢？
# 当索引为时间时，一般会用到索引排序，观察数据随时间的变化
print("按照索引来排序：\n", ser.sort_index(ascending=False))

运行结果：

 补：统计data中，每个value出现的频次：

ser_count = Series(data=["tom", "tom", "jom", "hom", "kom", "kom", "kom", "kom", "fom", "fom"])
# 统计出现的次数
# .value_count()方法会统计在data中，每个value出现的频次
print("tom、jom、hom、kom、fom出现的频次依次为：\n", ser_count.value_counts())

运行结果：