Pandas学习（1）Pandas创建Series

Pandas概况：
Pandas是Python的核心数据分析支持库，提供了快速、灵活、明确的数据结构，
旨在简单、直观地处理关系型、标记型数据。Pandas是Python 数据分析实践与实战的必备高级工具。
Pandas 适用于处理以下类型的数据：
与SQL或Excel 表类似的，含异构列的表格数据;
有序和无序（非固定频率）的时间序列数据;
带行列标签的矩阵数据，包括同构或异构型数据;
任意其它形式的观测、统计数据集, 数据转入 Pandas 数据结构时不必事先标记。
数据结构：
Pandas 的主要数据结构是 Series（带标签的一维同构数组）与 DataFrame（带标签的，大小可变的，二维异构表格），
这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。

import numpy as np
#导入pandas库
import pandas as pd

1、创建Series,其中index 是轴标签列表。

Series中支持：
Python字典
多维数组
标量值（如,5）

列表创建

#列表创建
x=pd.Series([1,3,4,5,np.nan])#Pandas用NaN（Not a Number）表示缺失数据。
print(x)
y=pd.Series([1,3,4,5,np.nan],index=['A','B','C','D','E'])#序列值默认从0开始，可通过index改变序列值
print(y)

0    1.0
1    3.0
2    4.0
3    5.0
4    NaN
dtype: float64
A    1.0
B    3.0
C    4.0
D    5.0
E    NaN
dtype: float64

数组创建pd.Series()

括号内填range、arange,random等numpy数组创建方法

#数组创建pd.Series(),括号内填range、arange,random等numpy数组创建方法
x1=pd.Series(np.arange(1,5),index=['a','b','c','d'])
x1

a    0.0
b    0.0
c    0.0
d    0.0
dtype: float64

python字典创建

Series与字典联系紧密，可以说是字典的列表

#python字典创建,Series与字典联系紧密，可以说是字典的列表
y1=pd.Series({'hello':" hello", 'world!':"world!"})
print(y1)
#Series和字典可以用to_dict方法互相转换
y11=y1.to_dict()
print(y11)
y12=pd.Series(y1.to_dict())
print(y12)

hello      hello
world!    world!
dtype: object
{'hello': ' hello', 'world!': 'world!'}
hello      hello
world!    world!
dtype: object

字典创建时Series，同样可通过index改变序列值

#字典创建时Series，同样可通过index改变序列值
a=pd.Series({'a':2,'b':0,'c':3,'d':1})
print(a)
a1=pd.Series({'a':2,'b':0,'c':3,'d':1},index=['b','a','c','d'])
print(a1)

a    2
b    0
c    3
d    1
dtype: int64
b    0.0
a    2.0
c    3.0
d    1.0
e    NaN
dtype: float64

2、Series一些方法

#数据类型Series.dtype
print(y1.dtype)
print(a.dtype)

object
int64

#name 属性
y2=pd.Series(np.arange(4),name='number')
print(y2)
print(y2.name)

0    0
1    1
2    2
3    3
Name: number, dtype: int32
number

#切片和索引与多维数组类似
a2=pd.Series(np.random.random(5),index=['a','b','c','d','e'])
print(a2)
#索引输出第二个值
print(a2[1])
#切片,从第二个值开始到第三个值
print(a2[1:3])
#按指定序列输出值
print(a2[[1,0,3,2]])#[1,0,3,2]默认为index参数

a    0.775926
b    0.016618
c    0.366515
d    0.620292
e    0.672258
dtype: float64
0.01661766936240472
b    0.016618
c    0.366515
dtype: float64
b    0.016618
a    0.775926
d    0.620292
c    0.366515
dtype: float64

#numpy.exp()：返回e的幂次方,e^x
print(np.exp(a2))

a    2.172603
b    1.016757
c    1.442698
d    1.859470
e    1.958655
dtype: float64

Series.array,Series.to_numpy()提取 Series 数组。

b=pd.Series(np.linspace(1,9,5),index=['A','B','C','D','E'])
print(b)
print(b.array)#所提取的为pandas的扩展数组
print(b.to_numpy())#返回Numpy的多维数组

A    1.0
B    3.0
C    5.0
D    7.0
E    9.0
dtype: float64
<PandasArray>
[1.0, 3.0, 5.0, 7.0, 9.0]
Length: 5, dtype: float64
[1. 3. 5. 7. 9.]

矢量操作,Series的运算

print(b)
#加法
print(b+b)
#切片加法会自动对齐标签
print(b[:5]+b[2:])

A    1.0
B    3.0
C    5.0
D    7.0
E    9.0
dtype: float64
A     2.0
B     6.0
C    10.0
D    14.0
E    18.0
dtype: float64
A     NaN
B     NaN
C    10.0
D    14.0
E    18.0
dtype: float64