Pandas的应用---Series

目录

Pandas的序列化Series

创建Series对象

 Series访问数据的方法--索引和切片

Series属性和方法

Series常用的方法

总结

---

Pandas是什么？Pandas是一款开放源码的BSD许可的Python库，具有很强的数据分析和数据挖掘的工具集。而且Pandas还可以和数据可视化工具Matplotlib很好的整合在一起实现数据可视化。它主要应用于金融，经济，统计，分析等学术和商业领域。

Pandas的主要的数据结构：Series和DataFrame

1.Series：是一种能够保存任何类型的数据(整数，字符串，浮点数，Python对象等)的一维标记数组，它是由这一维数组以及一组与之相关的数据标签(即索引)组成。

2.DataFrame：是二维数据结构，即数据以行和列的表格方式排列。每列可以是不同的值类型(数值、字符串、布尔型等)，DataFrame即有行索引也有列索引，可以被看做是由Series组成的字典。可以视为 SQL 表或电子表格数据表示。

Pandas的序列化Series

Pandas中的Series对象是一个一维数据结构，和数组非常相似，但也有一些额外的功能。Series的内部结构是由两个数组组成，一个是存放数据的数组，另外一个是存放索引的数据。

创建Series对象

函数创建函数如下：

pandas.Series( data, index, dtype, copy)

参数说明：

data:数据采取各种形式，如：ndarray，list，constants。如果为空则是一个空序列

index:索引值必须是唯一的和散列的，与数据的长度相同。 默认np.arange(n)如果没有索引被传递。

dtype:dtype用于数据类型。如果没有，将推断数据类型

copy:复制数据，默认为false。

代码如下：

import pandas as pd
# data参数表示数据，index参数表示数据的索引（标签）
# 如果没有指定index属性，默认使用数字索引
ser1 = pd.Series(data=[30, 10, 3], index=['一', '二', '三'])

# 字典中的键就是数据的索引（标签），字典中的值就是数据
ser2 = pd.Series({'一': 30, '二': 10, '三': 3})
ser1
ser2

运行结果如下：

 Series访问数据的方法--索引和切片

Series对象访问方法和python的数组一样，也有索引和切片操作，但不同的是Series对象内部有一个保存索引，所以除了可以使用整数索引通过位置检索数据外，还可以通过自己设置的索引标签获取对应的数据。但是如果要使用负向索引，在创建Series对象时必须通过index属性指定非数值类型的标签，不然会出错。常用的索引和切片如下：

1. 使用整数索引

2.使用自定义的标签索引

3.切片操作

4.花式索引

5.布尔索引

代码如下：

import pandas as pd
ser1 = pd.Series(data=[30, 10, 3], index=['一', '二', '三'])
ser2 = pd.Series(data=[40, 100, 35], index=[2, 3, 4])

ser1[0]  #使用整数索引
ser1[-1]
#ser2[1]   #会报错
#ser2[-1]   #会报错
ser1['一']  #使用自定义的标签索引
ser1[1:3]   #切片操作
ser1[['一','三']]   #花式索引
ser1[ser1>=10]   #布尔索引

运行结果：

Series属性和方法

Series对象的常用属性:

Series常用的方法

Series对象的常用方法:

 例子如下：

import pandas as pd
import numpy as np
ser1 = pd.Series(data=[30, 10, 3], index=['一', '二', '三'])
ser2 = pd.Series(data=[40,np.NaN, 35], index=[2, 3, 4])

# 求和
print(ser2.sum())
# 求均值
print(ser2.mean())
# 求最大
print(ser2.max())
# 求最小
print(ser2.min())
# 计数
print(ser2.count())
# 求标准差
print(ser2.std())
# 求方差
print(ser2.var())
# 求中位数
print(ser2.median())
print(ser2.sort_values())
print(ser2.nlargest(2))

# backfill或bfill表示用后一个元素的值填充空值
# ffill或pad表示用前一个元素的值填充空值
ser1.fillna(method='ffill')

运行结果：

总结

我们主要介绍了pandas当中‘Series’对象的经常使用的一些知识点和方法，熟练掌握对于我们搞定数据分析非常有帮助。对于另外一个重要的数据结构‘DataFrame’会在下个章节介绍，谢谢阅读~觉得能帮助到您，可以点个赞，关注一下哈~谢谢~