【python数据分析（5）】 Pandas数据结构Series：基本概念及创建

1. 基本概念及创建

1.1 Series 是带有标签的一维数组

可以保存任何数据类型（整数，字符串，浮点数，Python对象等）,轴标签统称为索引

核心：Series相比于Ndarray，是一个自带索引index的数组 → 一维数组 + 对应索引
所以当只看Series的值的时候，就是一个Ndarray
Series和Ndarray较相似，索引切片功能差别不大
Series和Dict相比，Series更像一个有顺序的字典（Dict本身不存在顺序），其索引原理与字典相似（一个用key，一个用index）

import numpy as np
import pandas as pd  

s = pd.Series(np.random.rand(5))
print(s)
print(type(s))
print('————————————')
# 查看数据、数据类型

print(s.index,type(s.index))
print(s.values,type(s.values))
# .index查看series索引，类型为rangeindex
# .values查看series值，类型是ndarray

–> 输出的结果为：

0    0.030108
1    0.231974
2    0.446826
3    0.349113
4    0.796314
dtype: float64
<class 'pandas.core.series.Series'>
————————————
RangeIndex(start=0, stop=5, step=1) <class 'pandas.core.indexes.range.RangeIndex'>
[0.03010771 0.23197374 0.44682555 0.34911309 0.79631394] <class 'numpy.ndarray'>

1.2 Series 创建方法一：由字典创建

字典的key就是index，values就是values（可以是多类型数据）

dic = {'a':1 ,'b':2 , 'c':3, '4':4, '5':5}
s = pd.Series(dic)
print(s)

–> 输出的结果为：

a    1
b    2
c    3
4    4
5    5
dtype: int64

1.3 Series 创建方法二：由数组创建(一维数组)

默认index是从0开始，步长为1的数字

arr = np.random.randn(5)
s = pd.Series(arr)
print(arr)
print(s)
print('————————————')

s = pd.Series(arr, index = ['a','b','c','d','e'],dtype = np.object)
print(s)
# index参数：设置index，长度保持一致
# dtype参数：设置数值类型

–> 输出的结果为：

[-0.4299341   0.07996115  1.74743019 -0.54153248 -0.20796761]
0   -0.429934
1    0.079961
2    1.747430
3   -0.541532
4   -0.207968
dtype: float64
————————————
a    -0.429934
b    0.0799612
c      1.74743
d    -0.541532
e    -0.207968
dtype: object

1.4 Series 创建方法三：由标量创建

如果data(就是value)是标量值，则必须提供索引。该值会重复，来匹配索引的长度

s = pd.Series(10, index = range(4))
print(s)

–> 输出的结果为：

0    10
1    10
2    10
3    10
dtype: int64

2. Series 名称属性：name

name为Series的一个参数，创建一个数组的名称
.name方法：输出数组的名称，输出格式为str，如果没用定义输出名称，输出为None

s1 = pd.Series(np.random.randn(5))
print(s1)
print('————————————')
s2 = pd.Series(np.random.randn(5),name = 'test')
print(s2)
print(s1.name, s2.name,type(s2.name))

–> 输出的结果为：

0   -0.264324
1    0.264098
2   -1.282742
3    0.850851
4    1.165870
dtype: float64
————————
0    0.287461
1    1.207809
2    1.131239
3   -0.336880
4    1.925820
Name: test, dtype: float64
None test <class 'str'>

.rename()重命名一个数组的名称，并且新指向一个数组，原数组不变

s3 = s2.rename('hehehe')
print(s3)
print('————————————')
print(s3.name, s2.name)

–> 输出的结果为：

0    0.287461
1    1.207809
2    1.131239
3   -0.336880
4    1.925820
Name: hehehe, dtype: float64
————————
hehehe test