Series 序列的使用

Pandas中的数据结构

序列是指 ：由一列索引和一列数据组成的数据结构。

创建序列对象

import pandas as pd
dict = {'name':'李四','age':'25','sex':'男','like':'看电影'}
s0 = pd.Series(dict)
s1 = pd.Series([1,3,6,3,5])
s1 = pd.Series([1,3,9,4],index=['a','b','c','d'])#指定索引

Series 查询操作

s0.values #查询序列的值
s0.index #查询序列索引
s0[0] #用索引查询序列的值
s0['name'] #用索引的值查询序列的值
s0[2:8] # 按索引批量查询
s0[['name','like']] #按索引值批量查询序列值

Series 增加操作

s2 = s1._append(pd.Series([15],index=['f']))

#### Series 删除操作
```python
s3 = s2.drop('a')#删除不存在的索引会报错

Series 修改操作

s1['a'] = 10
s1.update(pd.Series([16,27],index = ['a','b']))#只能对已经存在索引值进行修改

Series 特殊操作

s1.sort_values() #升序排列
s1.median() #序列中位数
s1[s1>s1.median()] #求序列中大于中位数对数
#注意索引值必须一致
s2 = pd.Series([3,1,4,2],index = ['a','b','c','d'])
s3 = s1+s2 #加减乘除

创建时间序列

s1 = pd.Series([100,500,300])

#freq 控制时间间隔
#periods 生成时间序列对个数
date_index = pd.date_range(start='2023-3-1',freq='M',periods=3)
s1.index = date_index

Series 转换为其它数据结构

#基本所有对数据转换格式都是
#目标类型(需要转换类型数据) 或者 需要转换对类型.to_目标类型（）
dfSerise = s1.to_frame()  #转换成DataFrame类型
dictSerise = s1.to_dict() #转换成字典类型