pandas介绍——进阶操作（11）

这次部分的内容比较零碎，代码没有什么逻辑性，大部分都是为了展示pandas的各种技能操作

首先我们来新建一个

# 建立一个新的Series，并将index改成日期形式
# 利用pd.date_range()函数可以设置index的日期，起始日期以及日期长度
s=pd.Series([1,2,3,4,5,6],index=pd.date_range('20170102',periods=6))
s

输出：

2017-01-02    1
2017-01-03    2
2017-01-04    3
2017-01-05    4
2017-01-06    5
2017-01-07    6
Freq: D, dtype: int64

简易读取index的内容

# 可以直接读取s的index
s.index

输出：

DatetimeIndex(['2017-01-02', '2017-01-03', '2017-01-04', '2017-01-05',
               '2017-01-06', '2017-01-07'],
              dtype='datetime64[ns]', freq='D')

tolist函数也是我们会常用到的函数

# tolist()的作用是将array转化成列表list形式
np.random.randn(1,4).tolist()

输出：

[[-1.7189628799092767,
  0.7103794820527385,
  0.45113746394159093,
  -0.04345089283022651]]

继续~

下面练习一下重命名index——Reindex

新建一个Series

s1=pd.Series(np.random.randn(1,4).tolist()[0],index=['A','B','C','D'])
s1

输出：

A    0.351200
B    0.426345
C   -0.479479
D    0.699487
dtype: float64

然后给index进行重新赋值，并且这一次我们多给几个index

# 给index重新赋值，多出来的默认为空值
s2=s1.reindex(['A','B','C','D','E','F'])
s2

<