又见Python<3>:Pandas之Series对象的使用

最新推荐文章于 2024-04-16 23:53:15 发布

dengnai9214

最新推荐文章于 2024-04-16 23:53:15 发布

阅读量1.2k

点赞数 1

文章标签： python 大数据

原文链接：http://www.cnblogs.com/hbsygfz/p/8858501.html

版权

Pandas是Python下最强大的数据分析和探索库，是基于Numpy库构建的，支持类似SQL的结构化数据的增、删、查、改，具有丰富的数据处理函数。Pandas有两大数据结构：Series和DataFrame，本文主要对Series的常用用法进行总结梳理。

约定：

import pandas as pd

1.什么是Series对象?

Series对象本质上类似于一个一维数组，由一列元素（由值和对应的索引）组成。

2.Series对象的创建

Series对象的创建主要是使用pd.Series方法。具体又分为两种：

（1）通过列表创建

向pd.Series方法中传入一个列表，未指定索引时，默认从0到N-1。

ser1=pd.Series([11,22,33,44])
ser1
Out[60]:
0    11
1    22
2    33
3    44
dtype: int64

也可以使用index参数指定索引：

ser2=pd.Series([11,22,33,44],index=['a','b','c','d'])
ser2
Out[61]:
a    11
b    22
c    33
d    44
dtype: int64

（2）通过字典创建

向传入一个字典，字典的键就是索引，值就是值。

ser3=pd.Series({'a':11,'d':22,'c':33})
ser3
Out[62]:
a    11
d    22
c    33
dtype: int64

3.Series对象的四个主要属性

Series对象的四个主要属性：索引、值、名称、数据类型。

（1）索引

a.索引的查看
通过Series对象的index属性查看索引，返回一个Index对象。

ser1.index
Out[63]: RangeIndex(start=0, stop=4, step=1)
ser2.index
Out[64]: Index([u'a', u'b', u'c', u'd'], dtype='object')

索引允许有重复，可使用Index对象的is_unique属性查看是否有重复。

ser1.index.is_unique
Out[65]: True

b.索引的修改
索引对象是一个不可变数组，不能修改其中的值。

ser1.index[0]=5
Traceback (most recent call last):
  File "<ipython-input-68-2029117c9570>", line 1, in <module>
    ser1.index[0]=5
  File "/usr/local/share/anaconda2/lib/python2.7/site-packages/pandas/indexes/base.py", line 1404, in __setitem__
    raise TypeError("Index does not support mutable operations")
TypeError: Index does not support mutable operations

如果想修改Series对象的索引，只能将其重定向到一个新的索引对象上。

ser1.index=[5,6,7,8]
ser1.index
Out[70]: Int64Index([5, 6, 7, 8], dtype='int64')

c.索引的重排
使用reindex方法对索引进行重排。

ser2.reindex(['b','a','c','d'])
Out[73]:
b    22
a    11
c    33
d    44
dtype: int64

重排产生一个新Series对象，原对象不发生改变。
索引重排可实现3个目的：
① 对现有索引进行顺序指定，即重新排列原来的元素顺序；
② 删除某个旧索引，即删除对应元素；

ser2.reindex(['b','a','d'])
Out[74]:
b    22
a    11
d    44
dtype: int64

③ 增加某个新索引，即增加新元素，值为NaN。

ser2.reindex(['b','a','e','c','d'])
Out[75]:
b    22.0
a    11.0
e     NaN
c    33.0
d    44.0
dtype: float64

d.索引的排序
使用sort_index方法根据现有索引进行升序、降序排列。

ser3.sort_index()
Out[80]:
a    11
c    33
d    22
dtype: int64

默认按索引取值升序排列，排序后产生一个新Series对象，原对象不发生改变。
e.索引是否存在
使用in判断元素是否存在，实质是判断某索引是否存在。

'a' in ser3
Out[110]: True
11 in ser3
Out[111]: False

（2）值

a.值的查看
通过Series对象的values属性查看值，返回一个数组对象。

ser1.values
Out[81]: array([11, 22, 33, 44])

b.值的修改
可以通过直接对values属性返回的数组对象进行修改来修改Series对象的值。这种修改是对原对象的直接修改。

ser1.values[1]=23
ser1
Out[83]:
5    11
6    23
7    33
8    44
dtype: int64

c.值的排序
使用sort_values方法按照值进行升序、降序排列。

ser3.sort_values()
Out[84]:
a    11
d    22
c    33
dtype: int64

默认按索引取值升序排列，排序后产生一个新Series对象，原对象不发生改变。
d.值的排名
使用rank方法获取元素取值排名。

ser2.rank()
Out[145]:
a    1.0
c    2.0
f    3.0
dtype: float64

默认升序排名，对于并列排名，默认取其均值。
e.值是否存在
使用isin方法判断，要求传入一个列表，返回一个布尔型Series对象。

ser6.isin(['a'])
Out[164]:
a    False
b    False
d    False
e    False
dtype: bool

（3）名称

Series对象有名称，可通过name属性获得。
Series对象的索引对象也有名称，可通过Index对象的name属性获得。

（4）数据类型

通过Series对象的dtype属性获得。

ser2.dtype
Out[146]: dtype('float64')

4.元素操作

（1）元素选取

选择一个元素：
a.以对应的索引选取

ser2['b']
Out[90]: 22

b.以对应的索引序号选取

ser2[1]
Out[91]: 22

选择多个元素：
a.以对应的索引组成的列表选取

ser2[['a','c']]
Out[93]:
a    11
c    33
dtype: int64

b.以对应的索引组成的切片选取

ser2['a':'d']
Out[94]:
a    11
b    22
c    33
d    44
dtype: int64

c.以对应的索引序号组成的切片选取

ser2[0:3]
Out[92]:
a    11
b    22
c    33
dtype: int64

注意：a和c的区别是，前者包括右端点的元素，后者不包括右端点的元素。

（2）元素过滤

可直接使用基于值的比较运算条件进行过滤。

ser2[ser2>30]
Out[95]:
c    33
d    44
dtype: int64

（3）元素新增

a.使用赋值新增

ser2['e']=55
ser2
Out[97]:
a    11
b    22
c    33
d    44
e    55
dtype: int64

b.使用索引重排新增（注意reindex方法产生新对象，不会修改原对象）

ser2=ser2.reindex(['a','c','f'])
ser2
Out[100]:
a    11.0
c    33.0
f     NaN
dtype: float64

（4）元素删除

使用drop方法删除，drop方法产生新对象，不会修改原对象。

ser2=ser2.drop('f')
ser2
Out[106]:
a    11.0
c    33.0
dtype: float64

（5）算术运算

Series对象支持直接进行算术运算。

ser2+2
Out[107]:
a    13.0
c    35.0
dtype: float64
ser2*2
Out[108]:
a    22.0
c    66.0
dtype: float64

（6）获取元素唯一值

使用unique方法获取元素的唯一值。

ser6=pd.Series([11,22,44,22],index=['a','b','d','e'])
ser6
Out[159]:
a    11
b    22
d    44
e    22
dtype: int64
ser6.unique()
Out[160]: array([11, 22, 44])

使用value_counts方法获取元素唯一值的频数分布。

ser6.value_counts()
Out[161]:
22    2
11    1
44    1
dtype: int64

（7）判断是否存在某元素

a.使用in判断
使用in判断元素是否存在，实质是判断某索引是否存在。

'a' in ser3
Out[110]: True
11 in ser3
Out[111]: False

b.使用isin方法判断
使用isin方法判断，要求传入一个列表，返回一个布尔型Series对象。

ser6.isin(['a'])
Out[164]:
a    False
b    False
d    False
e    False
dtype: bool

（8）判断是否有空值

使用isnull或者notnull方法判断是否有空值。

ser3.isnull()
Out[114]:
a    False
c    False
d    False
dtype: bool
ser3.notnull()
Out[115]:
a    True
c    True
d    True
dtype: bool

（9）缺失值处理

缺失值的处理主要有两种方法：填充和过滤。
a.填充
使用fillna方法进行空值填充，该方法产生新对象，不会修改原对象。

ser2=ser2.reindex(['a','c','h'])
ser2=ser2.fillna(99)
ser2
Out[125]:
a    11.0
c    33.0
h    99.0
dtype: float64

b.过滤
使用dropna方法进行空值过滤，该方法产生新对象，不会修改原对象。

ser6=ser6.reindex(['a','b','d','f'])
ser6
Out[168]:
a    11.0
b    22.0
d    44.0
f     NaN
dtype: float64
ser6.dropna()
Out[169]:
a    11.0
b    22.0
d    44.0
dtype: float64

（10）过滤重复值

使用duplicated方法返回布尔型Series对象，判断哪些元素是重复值。

ser7=pd.Series([11,22,44,22,11],index=['a','b','d','e','h'])
ser7
Out[173]:
a    11
b    22
d    44
e    22
h    11
dtype: int64
ser7.duplicated()
Out[174]:
a    False
b    False
d    False
e     True
h     True
dtype: bool

使用drop_duplicates方法过滤其中的重复值，不修改原对象，而是产生一个没有重复值的新Series对象。

ser7.drop_duplicates()
Out[175]:
a    11
b    22
d    44
dtype: int64

（11）替换指定值

使用replace方法进行指定值的替换。第一个参数是旧值，第二个参数是新值。不修改原对象，产生一个新对象。

ser7
Out[177]:
a    11
b    22
d    44
e    22
h    11
dtype: int64
ser7.replace(44,55)
Out[178]:
a    11
b    22
d    55
e    22
h    11
dtype: int64

一次替换多个值，共用同一个新值，可以将旧值放在列表中传入。

ser7.replace([44,11],55)
Out[180]:
a    55
b    22
d    55
e    22
h    55
dtype: int64

一次替换多个值，分别使用不同新值，要使用字典建立映射对象。

ser7.replace({44:55,11:66})
Out[182]:
a    66
b    22
d    55
e    22
h    66
dtype: int64

（12）汇总统计

常规的统计方法：sum（求和）、mean（均值）、cumsum（累计求和）。

ser7.sum()
Out[183]: 110
ser7.mean()
Out[184]: 22.0
ser7.cumsum()
Out[185]:
a     11
b     33
d     77
e     99
h    110
dtype: int64

也可以使用describe方法直接生成描述性统计结果。
a.当元素的数据类型为数值型时，生成的结果包括：均值、最大值、最小值、标准差、元素个数、百分位数。

ser7.describe()
Out[186]:
count     5.000000
mean     22.000000
std      13.472194
min      11.000000
25%      11.000000
50%      22.000000
75%      22.000000
max      44.000000
dtype: float64

b.当元素的数据类型为类别型时，生成的结果包括：唯一值个数、最大类别、最大类别频数。

ser8=pd.Series({'a':'v1','b':'v2','c':'v3'})
ser8
Out[189]:
a    v1
b    v2
c    v3
dtype: object
ser8.describe()
Out[190]:
count      3
unique     3
top       v3
freq       1
dtype: object

5.Series对象之间的操作

（1）Series之间算术运算

自动按索引进行对齐，对应元素与元素之间进行算术运算，未对齐的索引，最后的运算结果为NaN。

ser4=pd.Series([11,22,44],index=['a','b','d'])
ser5=pd.Series([11,33,44],index=['a','c','d'])
ser4+ser5
Out[126]:
a    22.0
b     NaN
c     NaN
d    88.0
dtype: float64

（2）Series之间连接

a. 使用append方法连接
使用append方法进行两个Series对象的连接，对二者的数据类型不做要求，索引也可以重复。结果为一个新对象，不会修改原对象。

ser4.append(ser5)
Out[127]:
a    11
b    22
d    44
a    11
c    33
d    44
dtype: int64

b. 使用concat方法连接
使用concat方法进行两个或多个Series对象的连接，对二者的数据类型不做要求，索引也可以重复。结果为一个新对象，不会修改原对象。
① 默认axis=0，合并各个Series对象的行。

ser1
Out[191]:
5    11
6    23
7    33
8    44
dtype: int64
ser2
Out[192]:
a    11.0
c    33.0
f    99.0
dtype: float64
ser3
Out[193]:
a    11
c    33
d    22
dtype: int64
pd.concat([ser1,ser2,ser3])
Out[194]:
5    11.0
6    23.0
7    33.0
8    44.0
a    11.0
c    33.0
f    99.0
a    11.0
c    33.0
d    22.0
dtype: float64

② axis=1时，合并各个Series对象的列，产生一个DataFrame对象，每个Series对象自成一列，行索引对齐。

pd.concat([ser1,ser2,ser3],axis=1)
Out[195]:
      0     1     2
5  11.0   NaN   NaN
6  23.0   NaN   NaN
7  33.0   NaN   NaN
8  44.0   NaN   NaN
a   NaN  11.0  11.0
c   NaN  33.0  33.0
d   NaN   NaN  22.0
f   NaN  99.0   NaN