1. Series
Series 是一个类数组的数据结构,同时带有标签(lable)或者说索引(index)。
1.1 下边生成一个最简单的Series对象,因为没有给Series指定索引,所以此时会使用默认索引(从0到N-1)。
from pandas import Series,DataFrame
import pandas as pd
ser1 = pd.Series([11,22,33,44])
print ser1
0 11
1 22
2 33
3 44
dtype: int64
取索引3对应的数据:
ser1[3]
Out[44]: 44
1.2 当要生成一个指定索引的Series 时候,写法如下:
ser2 = pd.Series(range(4),index = ["a","b","c","d"])
print ser2
a 0
b 1
c 2
d 3
dtype: int64
1.3 也可以通过字典来创建Series对象
sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000}
print sdata
{'Ohio': 35000, 'Utah': 5000, 'Oregon': 16000, 'Texas': 71000}
ser3=pd.Series(sdata)
print ser3
Ohio 35000
Oregon 16000
Texas 71000
Utah 5000
dtype: int64
在用字典生成Series的时候,也可以指定索引,当索引中值对应的字典中的值不存在的时候,则此索引的值标记为Missing,NA,并且可以通过函数(pandas.isnull,pandas.notnull)来确定哪些索引对应的值是没有的。
states = ['California', 'Ohio', 'Oregon', 'Texas']
ser4=pd.Series(sdata,index=states)
print ser4
California NaN
Ohio 35000.0
Oregon 16000.0
# 判断哪些值为空
pd.isnull(ser4)
Out[54]:
California True
Ohio False
Oregon False
Texas False
dtype: bool
pd.notnull(ser4)
Out[55]:
California False
Ohio True
Oregon True
Texas True
dtype: bool
1.4 访问Series中的元素和索引:
ser2['a']
Out[56]: 0
ser2[['a','c']]
Out[57]:
a 0
c 2
dtype: int64
ser2.values
Out[58]: array([0, 1, 2, 3], dtype=int64)
ser2.index
Out[59]: Index([u'a', u'b', u'c', u'd'], dtype='object')
1.5 简单运算
在pandas的Series中,会保留NumPy的数组操作(用布尔数组过滤数据,标量乘法,以及使用数学函数),并同时保持引用的使用
dtype: int64
ser2[ser2>2]
Out[61]:
d 3
dtype: int64
ser2[ser2>=2]
Out[62]:
c 2
d 3
dtype: int64
ser2*3
Out[63]:
a 0
b 3
c 6
d 9
dtype: int64
np.exp(ser2)
Out[64]:
a 1.000000
b 2.718282
c 7.389056
d 20.085537
dtype: float64
1.6 Series的自动对齐
Series的一个重要功能就是自动对齐(不明觉厉),看看例子就明白了。 差不多就是不同Series对象运算的时候根据其索引进行匹配计算。
ser3
Out[67]:
Ohio 35000
Oregon 16000
Texas 71000
Utah 5000
dtype: int64
ser4
Out[68]:
California NaN
Ohio 35000.0
Oregon 16000.0
Texas 71000.0
dtype: float64
ser3+ser4
Out[69]:
California NaN
Ohio 70000.0
Oregon 32000.0
Texas 142000.0
Utah NaN
dtype: float64
1.7 命名
Series对象本身,以及索引都有一个 name 属性
ser4.index.name='state'
ser4.name='population'
ser4
Out[73]:
state
California NaN
Ohio 35000.0
Oregon 16000.0
Texas 71000.0
Name: population, dtype: float64
ser4.abs()
Out[74]:
state
California NaN
Ohio 35000.0
Oregon 16000.0
Texas 71000.0
Name: population, dtype: float64