Pandas之Series对象篇

Pandas是基于Numpy开发的Python库，其提供了大量高效处理数据的模型和方法，是进行数据处理的有力工具。本文将简单介绍pandas中的Series对象的基本操作。

实例化与索引切片

结构与实例化

Pandas的Series对象是能够保存任何类型的数据（整数，字符串，浮点数，Python对象等）的一维数组。其与一般数组的最大区别在于能够定义灵活的索引。
与大多数类数组的对象相同，创建Series对象最直接的方法是用一个一维数组作为实例化的参数。

import pandas as pd
data = pd.Series([0.25, 0.5, 0.75, 1.0]) 
print(data) 
"""
Out: 0 0.25 
     1 0.50 
     2 0.75 
     3 1.00 
     dtype: float64
"""

可以看到输出一个Series对象时除了数据以外也会输出它们的索引。事实上，Series对象可以认为是索引与其对应数据的结合。通过Series对象的values属性和index属性可以分别单独获取Series的数据和索引。其数据是类似Numpy中ndarray的数组，索引是类型为pd.Index的类数组对象。

print(data.values) 
#Out: array([ 0.25, 0.5 , 0.75, 1. ])
print(data.index)
#Out: RangeIndex(start=0, stop=4, step=1)

Series具有与普通列表相同的取值、切片方法，而且还支持自定义的索引。要在创建Series时定义索引，只需传递index参数。index默认为0…n-1的整数序列，而其类型可以是任意类数组类型。

data = pd.Series([0.25, 0.5, 0.75, 1.0], index=['a', 'b', 'c', 'd'])
"""
Out: a 0.25 
     b 0.50
     c 0.75 
     d 1.00 
     dtype: float64
"""
print(data["b"])
#Out: 0.5

如果用字典类型初始化Series，则字典的键会被自动转为Series的索引。

population_dict = {'California': 38332521,'Texas': 26448193, 'New York': 19651127, 'Florida': 19552860, 'Illinois': 12882135} 
population = pd.Series(population_dict) 
print(population)
"""
Out: California 38332521 
     Florida    19552860 
     Illinois   12882135 
     New York   19651127 
     Texas      26448193 
     dtype: int64
"""

对于字符串型的索引，Series会将其按字典序排列。此时切片依然有效：

print(population['California':'Illinois'])
"""
Out: California 38332521 
     Florida    19552860 
     Illinois   12882135 
     dtype: int64
"""

索引与切片

细心的朋友可能已经发现了，与普通列表的切片不同，上面的切片则两端都能够取到，这是因为上面使用的是显式索引，即直接使用index中的元素对数据索引。Series还提供隐式索引，即使index不是0…n-1的整数，依然可以用这些整数来获取相应位置的数据。

print(population[1:3])
"""
Out: California 38332521
	 Florida	19552860
	 dtype: int64
"""

并且此时切片的结果与普通列表一样是含头不含尾的。
由于显式和隐式切片规则不同，而且当索引为整数时a[3]这样的表达式会让人产生歧义，不能看出究竟是使用了显式索引还是隐式索引（实际上会优先使用显式索引），从而使代码可读性下降。为了避免这样的问题，Pandas提供了索引器来作为取值的方法。索引器不是方法，而是暴露切片接口的Series对象的属性。

• loc属性：表示使用显式索引

data = pd.Series(['a', 'b', 'c'], index=[1, 3, 5])
print(data.loc[1])
#Out: 'a'
print(data.loc[1:3])
"""
Out: 1 a 
     3 b 
     dtype: object
"""

• iloc属性：表示使用隐式索引

print(data.iloc[1])
#Out: "b"
print(data.iloc[1:3])
"""
Out: 3 b
     5 c
     dtype: object
"""

虽然默认优先使用显式索引，但通过使用索引器，能够增加代码的可读性，还能减少因错误使用索引产生bug的情况，因此强烈建议养成使用索引器的好习惯。

与Numpy的ndarray类似，Series也支持布尔索引和花式索引。

print(population[(population>10000000)&(population<15000000)]
"""
Out: Illinois   12882135 
     dtype: int64
"""

print(population[['Florida','Texas']])
"""
Out: Florida	19552860
	 Texas		26448193
	 dtype: int64
"""		

字符串与正则表达式方法

字符串方法

向量化字符串方法，可以简单理解成是对数据为字符串类型的Series中的数据进行字符串方法的批处理。几乎所有的Python内置的字符串方法都被复制到Pandas的向量化字符串方法中，这意味着使用Series可以完成Python中的绝大多数字符串操作。

示例1：

monte = pd.Series(['Graham Chapman', 'John Cleese', 'Terry Gilliam', 'Eric Idle', 'Terry Jones', 'Michael Palin'])
print(monte.str.lower())
"""
Out: 
 0 graham chapman 
 1    john cleese 
 2  terry gilliam 
 3      eric idle 
 4    terry jones 
 5  michael palin 
 dtype: object
 """

示例2：

print(monte.str.split())
"""
Out:
 0   [Graham, Chapman] 
 1   [John, Cleese] 
 2   [Terry, Gilliam] 
 3   [Eric, Idle] 
 4   [Terry, Jones] 
 5   [Michael, Palin] 
 dtype: object
 """

Series还有一些自带的字符串处理方法，如下图

具体效果可以自行尝试

正则表达式方法

Series.str还能够支持正则表达式方法，如下图

示例1：

print(monte.str.extract('([A-Za-z]+)'))
"""
Out:
0  Graham 
1  John 
2  Terry 
3  Eric 
4  Terry
5  Michael 
dtype: object
"""

示例2：

print(monte.str.findall(r'^[^AEIOU].*[^aeiou]$'))
"""
Out:
0 [Graham Chapman] 
1 [] 
2 [Terry Gilliam] 
3 [] 
4 [Terry Jones] 
5 [Michael Palin] 
dtype: object
"""

常用统计方法

方法	功能
s1.sum()	求和
s1.cov(s2)	求协方差
s1.max()	求最大值
s1.min()	求最小值
s1.std()	求标准差
s1.corr(s2)	求相关系数矩阵
s1.mean()	求平均值
s1.count()	统计非空值的个数
s1.sort_values()	按数据排序，默认为升序
s1.sort_index()	按索引排序，默认为升序
s1.value_counts()	统计数据中各不同值出现的次数