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 pds = 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: boolpd.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: boolpd.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

  • 7
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
PandasSeries提供了丰富的函数和方法,以下是一些常见的函数和方法及其说明: 1. head():返回Series的前n行,默认为5行。 ```python import pandas as pd s = pd.Series([1, 2, 3, 4, 5]) print(s.head(3)) ``` 输出: ``` 0 1 1 2 2 3 dtype: int64 ``` 2. tail():返回Series的后n行,默认为5行。 ```python import pandas as pd s = pd.Series([1, 2, 3, 4, 5]) print(s.tail(3)) ``` 输出: ``` 2 3 3 4 4 5 dtype: int64 ``` 3. describe():返回Series的统计信息,包括计数、均值、标准差、最小值、最大值等。 ```python import pandas as pd s = pd.Series([1, 2, 3, 4, 5]) print(s.describe()) ``` 输出: ``` count 5.000000 mean 3.000000 std 1.581139 min 1.000000 25% 2.000000 50% 3.000000 75% 4.000000 max 5.000000 dtype: float64 ``` 4. unique():返回Series中的唯一值。 ```python import pandas as pd s = pd.Series([1, 2, 3, 3, 4, 4, 5]) print(s.unique()) ``` 输出: ``` [1 2 3 4 5] ``` 5. value_counts():返回Series中每个值的出现次数。 ```python import pandas as pd s = pd.Series([1, 2, 3, 3, 4, 4, 5]) print(s.value_counts()) ``` 输出: ``` 4 2 3 2 5 1 2 1 1 1 dtype: int64 ``` 6. idxmax():返回Series中最大值的索引。 ```python import pandas as pd s = pd.Series([1, 2, 3, 4, 5]) print(s.idxmax()) ``` 输出: ``` 4 ``` 7. apply():对Series中的每个元素应用一个函数。 ```python import pandas as pd s = pd.Series([1, 2, 3, 4, 5]) print(s.apply(lambda x: x ** 2)) ``` 输出: ``` 0 1 1 4 2 9 3 16 4 25 dtype: int64 ``` 8. map():将Series中的每个值根据一个字典进行映射。 ```python import pandas as pd s = pd.Series([1, 2, 3, 4, 5]) mapping = {1: 'A', 2: 'B', 3: 'C', 4: 'D', 5: 'E'} print(s.map(mapping)) ``` 输出: ``` 0 A 1 B 2 C 3 D 4 E dtype: object ``` 这些只是PandasSeries中的一些常见函数和方法,还有很多其他的函数和方法可供使用。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

腾飞开源

你的鼓励将是我创作的最大动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值