练习的一些案例:
#python基础数据类型
#int 整数 float 浮点 string字符串
#list 列表 dict 字典 tuple元祖
#pandas 他的数据类型
#Series -->类比numpyarray多了个索引
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
#创建Series
s= Series([4,-2,5,1,-1])
print(s)
'''
1.一个Series 由索引加值组成
2.dytpe 是元素值的类型,而不是索引类型
'''
#查看索引 index 是一个特殊对象
print(s.index)
#它的值
print(s.index.values)
#创建自定义索引 Series
'''
注意事项 自定义序列 索引列 元素个数
dype 元素类型 可以使用python 原生类型 numpy 扩展类型
'''
s1 = Series([4,5,6,7],index=list('abcd'),dtype=np.float32)
print(s1)
'''
读取Series 通过索引读取值
1 0-n的索引 iloc
2 自定义索引 loc
'''
#数字索引读取
print(s[0])
s2 = Series([4,7,6,5],index=[3,5,7,9],dtype=np.float64)
print(s2)
print(s2[3])
#Series.loc(自定义索引) Series.iloc(0-n)数字
print(s2.loc[7])
print(s2.iloc[2])
#修改值 xxx.loc['yy'] = new或增加
s1.loc['a'] =6
print(s1)
s1.loc['e']=9
print(s1)
#读取多个值 会得到新的对象
#单点读取
print(s1[['a','e']])
#区间读取 可加步长
print(s1['a':'e'])
#Series删除元素
'''
pop直接作用于元数据 使用索引删除
'''
s1.pop('d')
print(s1)
a =range(1,10)
y =pd.Series(a)
print(y)
x = dict(a=22, b=18, c=35)
y = pd.Series(x)
print(y)
x1 = pd.Series({"a": 1, "b": 2, "c": 3})
print(x1)
bb =pd.Series({'a':1,'b':2,'c':3})
print(bb)
ab =np.arange(1,4)
ba =pd.Series(ab,index=['a','b','e'])
print(ba)
x = 10
dd =pd.Series(x,index=list(range(5)))
print(dd)
"""
* ndim 返回Series的维数;
* shape 返回Series的形状;
* dtype 返回Series中元素的数据类型;
* size 返回Series中元素的个数;
* itemsize 返回Series中每一个元素占用空间的大小,
以字节为单位;
* nbytes 返回Series中所有元素占用空间的大小,
以字节为单位;
* T 返回Series的转置结果;
#注意:下面这3个属性,在Series中才有。
* index 返回Series中的索引;
* values 返回Series中的数值;
* name 返回Series的名称 或 返回Series索引的名称;
"""
初学者看着打一遍,熟悉一下用法,然后用思维导图记录所学到的知识,用于巩固复习