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
<