pandas总结

一、Series

1、通过list构建：

pd.Series(range(10, 20))

0    10
1    11
2    12
3    13
4    14
5    15
6    16
7    17
8    18
9    19
dtype: int64

2、通过ndarray

pd.Series(np.random.rand(5))

0    0.969940
1    0.023138
2    0.872141
3    0.093144
4    0.857817
dtype: float64

3、 构建时指定索引

pd.Series(np.random.rand(5), index=['a', 'b', 'c', 'd', 'e'])

a    0.736392
b    0.894126
c    0.139299
d    0.630322
e    0.920788
dtype: float64

4、数据预览

# 构建时指定索引
ser_obj = pd.Series(np.random.rand(100))
ser_obj.head()
#查看前五列数据
ser_obj,tail()
#查看后五列数据

#通过索引获取数据
pd.Series(np.random.rand(5), index=['a', 'b', 'c', 'd', 'e'])
# 通过索引名(字符串)获取数据
ser_obj2['b']
ser_obj2.loc['b']
# 通过in判断数据是否存在
'a' in ser_obj2
# 通过索引位置(整型)获取数据
ser_obj2[0]
ser_obj2.iloc[0]

5、处理缺失数据

# 字符串缺失
countries = ['中国', '美国', '澳大利亚', None]
pd.Series(countries)
'''
output
0      中国
1      美国
2    澳大利亚
3    None
dtype: object
'''
# 数值缺失
numbers = [4, 5, 6, None]
pd.Series(numbers)
'''
output
0    4.0
1    5.0
2    6.0
3    NaN
dtype: float64
'''