必知必会Pandas Series基本属性和方法

1.Series的基本属性和方法

• shape 形状

• size 长度

• index 索引

• values 值

• name 名字

# 导包import pandas as pd​s = pd.Series({    "语文":100,    "数学":150,    "英语":110,    "Python":130,    "Pandas":150,    "NumPy":150},name="考试成绩")s# 执行结果语文        100数学        150英语        110Python    130Pandas    150NumPy     150Name: 考试成绩, dtype: int64​# 形状s.shape# 执行结果(6,)​# 元素个数s.size# 执行结果6​# 索引s.index# 执行结果Index(['语文', '数学', '英语', 'Python', 'Pandas', 'NumPy'], dtype='object')​# 值s.values# 执行结果array([100, 150, 110, 130, 150, 150], dtype=int64)​# 索引名字s.name# 执行结果'考试成绩'

• head() 查看前几条数据，默认5条

• tail() 查看后几条数据，默认5条

# 查看前几条数据，默认5条s.head()# 执行结果语文        100数学        150英语        110Python    130Pandas    150Name: 考试成绩, dtype: int64# 查看指定前面2条数据s.head(2)# 执行结果语文    100数学    150Name: 考试成绩, dtype: int64# 查看最后几条数据，默认5条s.tail()# 执行结果数学        150英语        110Python    130Pandas    150NumPy     150Name: 考试成绩, dtype: int64# 查看指定最后2条数据s.tail(2)# 执行结果Pandas    150NumPy     150Name: 考试成绩, dtype: int64

2.检测缺失数据

• pd.isnull()

• pd.notnull()

• isnull()

• notnull()

s = pd.Series(["张三","李四","王五",np.nan])s# 执行结果0     张三1     李四2     王五3    NaNdtype: object# isnull：判断是否为空s.isnull()# 执行结果0    False1    False2    False3     Truedtype: bool​pd.isnull(s)# 执行结果0    False1    False2    False3     Truedtype: bool# notnull：判断是否不为空s.notnull()# 执行结果0     True1     True2     True3    Falsedtype: bool​pd.notnull(s)# 执行结果0     True1     True2     True3    Falsedtype: bool

3.使用bool值索引过滤数据

# 第一种方式：过滤掉空值cond1 = s.isnull()cond1# ~ 取反s[~cond1]# 执行结果0    张三1    李四2    王五dtype: object# 第二种方式：过滤掉空值cond2 = s.notnull()cond2s[cond2]# 执行结果0    张三1    李四2    王五dtype: object​