pandas-Series常用方法

类型转换

Series.to_list()   # 将series转换为列表。
Series.copy()     # 复制此对象的索引和数据

Series的创建方法

1. 通过字典创建

dic = {'a':1,'b':2,'c':3,'1':'hello','2':'python','3':[1,2]}
s = pd.Series(dic)
print(s,type(s))

#运行结果
1     hello
2    python
3    [1, 2]
a         1
b         2
c         3
dtype: object <class 'pandas.core.series.Series'>

2. 通过数组（ndarray)创建
   参数index：是Series的标签
   参数name: 是Series的名称，没有的话默认为None。可以用rename()来更改，更改后生成新的Series，不改变原来的Series

s = pd.Series(np.random.rand(5),index = list('abcde'),name = 'test')
print(s,type(s))

#运行结果
a    0.384840
b    0.202776
c    0.646176
d    0.215777
e    0.605895
Name: test, dtype: float64 <class 'pandas.core.series.Series'>

#rename()的用法
s1 = s.rename('excel')
print(s1)

#运行结果
a    0.499740
b    0.943519
c    0.643355
d    0.591372
e    0.418790
Name: excel, dtype: float64

3. 通过标量创建（必须声明index值）

s = pd.Series(5,index = range(5))
print(s)

#运行结果
0    5
1    5
2    5
3    5
4    5
dtype: int64

Series的索引

1. 位置下标索引

s = pd.Series(np.random.rand(5))
print(s,'\n')
print(s[2],type(s[2]),s[2].dtype)

#运行结果
0    0.961192
1    0.394670
2    0.948766
3    0.658049
4    0.214219
dtype: float64 

0.948766189751 <class 'numpy.float64'> float64

2. 标签（index）索引

s = pd.Series(np.random.rand(5),index = list('abcde'))
print(s,'\n')
print(s['a'],'\n')
print(s[['a','b']])

#运行结果
a    0.593557
b    0.991561
c    0.611022
d    0.603023
e    0.518528
dtype: float64 

0.593556973009 

a    0.593557
b    0.991561
dtype: float64

3. 切片索引

s1 = pd.Series(np.random.rand(5),list('abcde'))
print(s1,'\n')
print(s1['a':'b'],'\n')      #用index做索引的话是末端包含的
print(s1[1:2],'\n')          #用下标做切片索引的话和list切片是一样的，不包含末端   

#运行结果
a    0.973470
b    0.192143
c    0.805640
d    0.623555
e    0.040572
dtype: float64 

a    0.973470
b    0.192143
dtype: float64 

b    0.192143
dtype: float64

Series 的基本操作用法

1. 增添（第一，直接下标索引或index添加；第二，通过append()添加，生成新的Series） 复制代码

s = pd.Series(np.random.rand(2))
s[3]= 100           #用index增添
s['a'] = 200
print(s,'\n')

#运行结果
0      0.646847
1      0.224802
3    100.000000
a    200.000000
dtype: float64 

s2 = pd.Series(np.random.rand(2),index = ['value1','value2'])
s3 = s.append(s2)        #用append()增添
print(s3)

#运行结果
0           0.646847
1           0.224802
3         100.000000
a         200.000000
value1      0.225087
value2      0.504572
dtype: float64

2. 删除(第一，用del删除；第二，用.drop()删除，会生成新的Series) 复制代码

s = pd.Series(np.random.rand(5),index = list('abcde'))
del s['a']           #用del删除
print(s,'\n')

#运行结果
b    0.036584
c    0.319169
d    0.267866
e    0.855804
dtype: float64 

s1 = s.drop(['c','d'])           #用.drop()删除，删除多个要加[]
print(s1)

#运行结果
b    0.036584
e    0.855804
dtype: float64

3. 修改（通过索引直接修改）

s = pd.Series(np.random.rand(5),index = list('abcde'))
print(s,'\n')
s[1] = 100
print(s,'\n')
s[['c','d']] = 200
print(s)

#运行结果
a    0.900485
b    0.955717
c    0.270206
d    0.186294
e    0.503710
dtype: float64 

a      0.900485
b    100.000000
c      0.270206
d      0.186294
e      0.503710
dtype: float64 

a      0.900485
b    100.000000
c    200.000000
d    200.000000
e      0.503710
dtype: float64

4. 数据查看
   .head()方法是查看前几行的数据，默认是5行
   .tail()方法是查看后几行的数据，默认也是5行

s = pd.Series(np.random.rand(10))
print(s.head(2),'\n')
print(s.tail())

#运行结果
0    0.301042
1    0.344857
dtype: float64 

5    0.461262
6    0.337744
7    0.215328
8    0.735952
9    0.066285
dtype: float64

5. 重新索引

.reindex(新的标签,fill_value = )会根据更改后的标签重新排序，若添加了原标签中没有的新标签，则默认填入NaN，参数fill_value指对新出现的标签填入的值。

s = pd.Series(np.random.rand(3),
             index = ['a','b','c'])
s1 = s.reindex(['c','b','a','A'],fill_value = 100)
print(s1)

#运行结果
c      0.223246
b      0.484170
a      0.844028
A    100.000000
dtype: float64

reset_index函数

import pandas as pd
idx =  "hello the cruel world".split()
val = [1000, 201, None, 104]
t = pd.Series(val, index = idx)
print t, "<- t"
print t.reset_index(), "<- reset_index"
print t.reset_index(drop = True), "<- reset_index"
print t, "<- t"

6. 排序sort_index、sort_values函数

import pandas as pd
idx =  "hello the cruel world".split()
val = [1, 21, None, 104]
t = pd.Series(val, index = idx)
print t.sort_index(), "<- t.count()"
print t.sort_values(inplace=True), "<- t.sort_values()"