Pyhton科学计算工具pandas（一）—— Series 数据结构

Pandas(一) —— 数据结构Series

Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。
pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。
——来自百度百科

1. series数据结构

1.1 series的基本属性

import numpy as np
import pandas as pd

#  Series  数据结构
#  Series 相当于带有标签的一维数组，可以保存任何数据类型（整数，字符串，浮点数，Python对象等）,轴标签统称为索引


s = pd.Series(np.random.rand(5))
print(s)

print('----------')

print(s.index)             # .index查看series索引，类型为rangeindex
print(list(s.index))     
print(s.values)          # .values查看series值，类型是ndarray

# 核心：series相比于ndarray，是一个自带索引index的数组 → 一维数组 + 对应索引
# 所以当只看series的值的时候，就是一个ndarray
# series和ndarray较相似，索引切片功能差别不大
# series和dict相比，series更像一个有顺序的字典（dict本身不存在顺序），其索引原理与字典相似（一个用key，一个用index）

0    0.396242
1    0.129111
2    0.972807
3    0.880938
4    0.185592
dtype: float64
----------
RangeIndex(start=0, stop=5, step=1)
[0, 1, 2, 3, 4]
[ 0.39624189  0.12911103  0.97280693  0.88093782  0.18559196]

# Series 名称属性：name


s1 = pd.Series(np.random.randn(5))
print(s1)

print('------------')

s2 = pd.Series(np.random.randn(5),name = 'practice')
print(s2)
print(s1.name, s2.name,type(s2.name))
# name为Series的一个参数，创建一个数组的 名称
# .name方法：输出数组的名称，输出格式为str，如果没用定义输出名称，输出为None

print('------------')

s3 = s2.rename('ggg')
print(s3)
print(s3.name, s2.name)

# .rename()重命名一个数组的名称，并且新指向一个数组，原数组不变

0    2.812936
1    1.073512
2    0.770453
3    0.382940
4   -0.620083
dtype: float64
------------
0    0.580068
1   -0.318154
2    0.506983
3    0.418464
4   -1.849126
Name: practice, dtype: float64
None practice <class 'str'>
------------
0    0.580068
1   -0.318154
2    0.506983
3    0.418464
4   -1.849126
Name: ggg, dtype: float64
ggg practice

1.2 series的创建