Pandas 01- Series

1.Series结构

Series结构，也称Series序列，是Pandas常用的数据结构之。它是一种类似于一维数组的结构，由一组数据值(value)和一组标签(index)组成，其中标签与数据值具有对应关系。
标签不必是唯一的，但必须是可哈希类型。该对象既支持基于整数的索引，也支持基于标签的索引，并提供了许多方法来执行涉及索引的操作。ndarray的统计方法已被覆盖，以自动排除缺失的数据（目前表示为NaN)。
Series 可以保存任何数据类型，比如整数、字符串、浮点数、Python对象等，它的标签默认为整数，从0开始依次递增。

Series的结构图，如下所示:

list、ndarray转换为Series格式

import pandas as pd
import numpy as np

a=[3,7,5,8,2]
# 将列表转换为Series格式
b=pd.Series(a)
print(b)
print('a的类型: ',repr(type(a)),'\nb的类型: ',repr(type(b)))

'''
0    3
1    7
2    5
3    8
4    2
dtype: int64
a的类型:  <class 'list'> 
b的类型:  <class 'pandas.core.series.Series'>
'''

npa=np.arange(1,6)
# 将ndarray转换为Series格式
b=pd.Series(npa)
print(b)
print('npa的类型: ',repr(type(npa)),'\nb的类型: ',repr(type(b)))
#输出b的标签
print(b.index)
#以元组形式输出b的标签
print(list(b.index))
#输出b的值以及值的数据类型
print(b.values,type(b.values))
'''
0    1
1    2
2    3
3    4
4    5
dtype: int32
npa的类型:  <class 'numpy.ndarray'> 
b的类型:  <class 'pandas.core.series.Series'>
RangeIndex(start=0, stop=5, step=1)
[0, 1, 2, 3, 4]
[1 2 3 4 5] <class 'numpy.ndarray'>
'''

# 添加一个元素进来
b[-1]='a'
print('查找标签为-1的元素值：',repr(b[-1]))
# 查询没有的标签，会报错：
print(b[-2])
'''
查找标签为-1的元素值： 'a'
'''

dic转换为Series

dic = {'a': 1, 'b': 2,'c': 3}
b=pd.Series(data=dic)
print(b)
# 如果标签不是整形数，也可以用标签的下标获取对应的值
print('标签取值: ',b['a'], '\n标签下标取值：',b[0])

'''
a    1
b    2
c    3
dtype: int64
标签取值:  1 
标签下标取值： 1
'''
dic2 = {'a': 1, 0: 2,'c': 3}
b=pd.Series(data=dic2)
print(b)
# 如果标签里有整形数和其他类型的标签，就不能通过标签的下标来取值了，否则会报KeyError
print('标签取值: ',b[0], '\n标签下标取值：',b[1])
'''
a    1
0    2
c    3
dtype: int64
Traceback (most recent call last):
  File "C:\Users\13529\PycharmProjects\test01\venv\lib\site-packages\pandas\core\indexes\base.py", line 3361, in get_loc
    return self._engine.get_loc(casted_key)
  File "pandas\_libs\index.pyx", line 76, in pandas._libs.index.IndexEngine.get_loc
  File "pandas\_libs\index.pyx", line 108, in pandas._libs.index.IndexEngine.get_loc
  File "pandas\_libs\hashtable_class_helper.pxi", line 5198, in pandas._libs.hashtable.PyObjectHashTable.get_item
  File "pandas\_libs\hashtable_class_helper.pxi", line 5206, in pandas._libs.hashtable.PyObjectHashTable.get_item
KeyError: 1
'''

# 当传递的索引值未匹配对应的字典键时，使用NaN(非数字)填充。
dic3 = {'a': 'str', 'b': 2,'c': 3}
b=pd.Series(data=dic3,index=['x','a','y','z'])
print(b)

'''
x    NaN
a    str
y    NaN
z    NaN
dtype: object
'''

dic4={'apple':1,'banana':1.2,'orange':1.3}
b=pd.Series(dic4)
b.name = "Fruit_Data"
b.index.name = "Fruit_Name"
print(b)

'''
Fruit_Name
apple     1.0
banana    1.2
orange    1.3
Name: Fruit_Data, dtype: float64
'''

将Series转换为DataFrame类型：

#使用Series创建DataFrame类型
df=pd.DataFrame(b)
print(df,'\n'+'df的数据类型: '+repr(type(df)))
print("**"*20)
#输出City_Data列的数据和类型
print(df['Fruit_Data'],'\n'+'df中的Fruit_Data数据类型: '+repr(type(df['Fruit_Data'])))

'''
            Fruit_Data
Fruit_Name            
apple              1.0
banana             1.2
orange             1.3 
df的数据类型: <class 'pandas.core.frame.DataFrame'>
****************************************
Fruit_Name
apple     1.0
banana    1.2
orange    1.3
Name: Fruit_Data, dtype: float64 
df中的Fruit_Data数据类型: <class 'pandas.core.series.Series'>
'''

标签索引的唯一并不是强制性的，尽管pandas函数（比如reindex）需要标签是唯一的。

# 当一个标签index对应多个值时，可以用loc[index]进行查找
a = pd.Series(range(5), index=["A", "A", "B", "C", "C"])

print('索引A对应的值:')
print(a.loc["A"])
# 判断该Series中的标签是否是唯一的
print(a.index.is_unique)
'''
索引A对应的值:
A    0
A    1
dtype: int64
标签是否是唯一: False
'''

2.Series基本方法

head()、tail()

s=pd.Series(np.random.rand(10))
# 默认取前5条数据
print(s.head())
# 取前1条数据
print(s.head(1))
# 默认取后5条数据
print(s.tail())
# 取后7条数据
print(s.tail(7))

'''
0    0.708893
1    0.631392
2    0.031043
3    0.625734
4    0.672718
dtype: float64
0    0.708893
dtype: float64
5    0.614755
6    0.839329
7    0.030989
8    0.636356
9    0.936704
dtype: float64
3    0.625734
4    0.672718
5    0.614755
6    0.839329
7    0.030989
8    0.636356
9    0.936704
dtype: float64
'''

reindex()重新索引

s=pd.Series(np.random.rand(5),index=list("abcde"))
print("s")
print(s)
# 新索引在上一个索引中不存在,生成新对象时,对应的值,设置为NaN
s1 = s.reindex(list("c7ed9"))
print("s1")
print(s1)
# 设置填充值，可将NaN填充
s2 = s.reindex(list("cde12"),fill_value=2)
print("s2")
print(s2)

'''
s
a    0.477522
b    0.626260
c    0.302472
d    0.684824
e    0.209174
dtype: float64
s1
c    0.302472
7         NaN
e    0.209174
d    0.684824
9         NaN
dtype: float64
s2
c    0.302472
d    0.684824
e    0.209174
1    2.000000
2    2.000000
dtype: float64
'''

对齐运算

几个不同的series可以按索引对齐进行运算，如果没对齐的位置则补NaN，最后也可以填充NaN

s1=pd.Series(np.random.rand(3),index=['c','b','a'])
s2=pd.Series(np.random.rand(3),index=['a','b','d'])
print("s1")
print(s1)
print("s2")
print(s2)
print("s1+s2")
print(s1+s2)

'''
s1
c    0.001765
b    0.433448
a    0.192272
dtype: float64
s2
a    0.176781
b    0.778649
d    0.554887
dtype: float64
s1+s2
a    0.369054
b    1.212097
c         NaN
d         NaN
dtype: float64
'''

drop($index$)，删除索引值为$index$的元素,但当删除不存在的键时，会报错

s1=pd.Series(np.random.rand(3),index=['c','b','a'])
s1=s1.drop('c')
print(s1)
'''
b    0.827299
a    0.858903
dtype: float64
'''

# 删除不存在的键时，会报错
s1=s1.drop('d')
'''
KeyError: "['d'] not found in axis"
'''