3.2.2 Python之pandas详解1-Series

Pandas是基于NumPy的一个常用库。之所以如此，是因为不论是读取还是处理数据，用它都非常简单。

1，pandas基本数据结构

Pandas有两种自己独有的基本数据结构。

pandas虽然有两种数据结构，因为他是Python的一个库，所以Python的数据类型在这里依然适用，同样还可以使用类自己定义数据类型。

Pandas里面又定义了两种数据类型： Series和 DataFrame

基本的导入方式：

from pandas import Series,DataFrame

import pandas as pd

1）Series介绍

Series如同列表一样，有一系列数据，每个数据对应一个索引值。

>>> a = Series ([20,"hello","python","beijing"])

>>> a

0 20

1 hello

2 python

3 beijing

dtype: object

上面能看出来，Series就是“竖起来”的list

另外一点也很像列表，就是其中元素的类型由你任意决定

>>> a. values

array([20, 'hello', 'python', 'beijing'], dtype=object)

>>> a. index

RangeIndex(start=0, stop=4, step=1)

我们创建了一个Series对象，这个对象有其属性和方法。 a.values和 a.index两个属性依次可以显示Series对象的数据值和索引

列表的索引只能是从0开始的整数，在默认情况下，Series数据类型其索引也是如此。但区别于列表的是，Series可以 自定义索引：

>>> a1 = Series ([20,"hello","python","beijing"], index =["age","title","name","addr"])

>>> a1

age 20

title hello

name python

addr beijing

dtype: object

每个元素都有了索引，就可以根据索引操作元素了。

根据索引 查看和 修改数值：

>>> a1["age"]

20

>>> a1["age"]= 18

>>> a1

age 18

title hello

name python

addr beijing

dtype: object

前面定义Series对象的时候，用的是列表，即Series()方法的参数中第一个列表就是其数据值，如果需要定义index，放在后面依然是一个列表。除了这种方法之外，还可以用下面的方法定义Series对象：

>>> s = {"java":7000,"python":8000,"zhangsan":18}

>>> s1 = Series (s)

>>> s1

java 7000

python 8000

zhangsan 18

dtype: int64

是不是有点类似数据字典（dict），这时候，索引依然可以自定义。如果自定义了索引，自定义的索引会自动寻找原来的索引。如果一样，就取原来索引对应的值，这个可以简称为“ 自动对齐”。

>>> s2 = Series (s,index=["java","c++","python","zhangsan"])

>>> s2

java 7000.0

c++ NaN

python 8000.0

zhangsan 18.0

dtype: float64

于是其他能够“自动对齐”的照搬原值，没有的那个“c++”依然在新Series对象的索引中存在，并且自动为其赋值 NaN。在Pandas中，如果没有值，都对齐赋给NaN。

Pandas有专门的方法来判断值是否为空：

>>> pd.isnull(s2)

java False

c++ True

python False

zhangsan False

dtype: bool

>>> pd.notnull(s2)

java True

c++ False

python True

zhangsan True

dtype: bool

Series也有同样的方法：

>>> s2.isnull()

java False

c++ True

python False

zhangsan False

dtype: bool

索引的名字也可以重新定义：

>>> s2.index = ["q1","q2","q3","q4"]

>>> s2

q1 7000.0

q2 NaN

q3 8000.0

q4 18.0

dtype: float64

对于Series数据，也可以做这样的运算：

>>> s3 = Series ([3,6,9,5],index=["a","b","c","d"])

>>> s3

a 3

b 6

c 9

d 5

dtype: int64

>>> s3[s3 > 5]

b 6

c 9

dtype: int64

>>> s3 * 2

a 6

b 12

c 18

d 10

dtype: int64

这些操作直接在交互模式中进行就行。

注意：别忘记了最前面的引入Series,DataFrame和Pandas