pandas系列1——Series

Series

1、序列的创建

使用python列表和字典创建序列

（1）列表s=pd.Series([10,11,12,13,14])

​​​​​​​

(2）字典使用字典创建时，字典的key值就是序列的标签值

 

使用numpy函数创建

（1）pd.Series(np.arange(4,9))

（2）pd.Series(np.linspace(0,9,5) 该函数意为从0开始，到9结束，一共生成5个等距的数

（3）pd.Series(np.random.normal(size=5))从正态分布生成5个随机数

使用标量值创建

s=pd.Series(2)

 

2、确定Series中的项目数（长度）

使用len()函数

 

使用.shape属性

将返回一个二值元组，但仅指定元组中的第一个值并表示Series的长度

使用.size属性

3、如何在创建时指定索引 

使用index参数

4、Series的取值 

使用head、tail、take函数

（1）s.head(n) 返回前n行，若不赋予n具体值默认返回前5行

（2）s.tail(n) 返回末n行

（3）s.take([]) 返回指定整数位置的行和列（注意是通过位置指定，而不是标签值）

 

注意该函数中的位置不能超过序列中的位置索引，否则会报错

 

通过标签或位置检索序列中的值

（1）使用[]运算符和.ix[]属性按标签查找（几乎已弃用，因为传整数值可能会造成混乱）s['a']:查找一个s[['a','b']]:查找多个注意：若索引未使用整数标签，[]内可传入单个数字或数字列表来对位置进行查找

（2）使用.iloc[]按位置显式查找不管索引值是否为整数，都会按位置查找；如果位置不存在，将引发异常

 

（3）.loc[]通过标签进行显式查找，若没有该标签，则会引发keyError错误

 

5、将序列切成子集（切片）

语法如下：s[start:end:step]

6、通过索引标签对齐 

两个序列如果索引标签相同，可进行算术符号运算；如果索引标签未对齐，则未对齐的索引值返回NaN

如果索引中的标签值不唯一（有重复），如S1+S2，若S1中有两个‘a'标签，S2中有三个'a'标签，则S1+S2后，S1中的每个a标签要依次与S2中的三个a标签进行运算，结果中总共有6个a标签

7、执行布尔运算

通过比较运算符筛选在Series序列中符合条件的值

all、any、sum方法

all()方法可以确定Series中的所有值是否与给定表达式匹配

any()方法，只要序列中有一个值满足条件都会返回True

sum()方法可以确定序列中有多少项目满足表达式

8、重新索引序列

为Series的.index属性分配一个新索引，s.index=[]   属性列表中的元素必须与行数相匹配，否则将引发异常

使用.reindex()方法   方法中的fill_value参数可更改默认NaN值的显示                                             

注意：reindex()方法是形成一个新的Series,如果.reindex()方法中指定的索引在原来的Series中存在，则复制过去；若不存在，则用NaN代替

当对有序数据执行重新索引时，可执行插值或值填充       s.reindex(np.arange(0,7),method=""         method的取值为ffill或bfill