pandas切片_数据处理进阶pandas入门（二）

回顾

在数据处理进阶pandas入门(一)中，我们介绍了pandas的基本概念、基本数据结构，并且简单了解了pandas中的两个重要数据结构Series和DataFrame。今天我们来看一下Series常用的几种创建方法以及Series的索引和切片。

Series创建方法

Series是带有标签的一维ndarray，可以存储任何数据类型的元素。其中，轴标签称为索引。

Series有多种创建方法，除了上一次内容中介绍的利用NumPy中的一维ndarray创建外，还可以通过标量、字典、pandas中的DataFrame创建，我们分别来看一下这几种创建方法。

• 通过一维ndarray创建Series

此方法已在上述内容中有介绍，这里做个简单回顾，将一维ndarray传入pandas的Series()函数即可创建一个Series。​

import numpy as npimport pandas as pdarr = np.arange(10)print(arr)print("---------------")series = pd.Series(arr, index=list('abcdefghij'))print(series)

index为可选参数，用于修改Series的默认索引。运行结果如下所示。

通过一维ndarray创建Series

• 通过标量创建Series

当我们创建一组值都一样的Series时，可以直接通过标量创建，用法如下。​

import numpy as npimport pandas as pdseries = pd.Series(10, index=['a', 'b', 'c'])print(series)

给pandas的Series()函数传入一个标量和一个索引列表index，标量就是生成的Series的所有元素值，index的大小决定了生成的Series的大小，若不设置index，默认Series大小为1。上述代码我们创建了一个大小为3，值为10的Series，运行结果如下所示。

通过标量创建Series

• 通过字典创建Series

Series的索引和值就类似于字典中的键值对，所以我们可以通过字典来创建Series，基本用法如下。​

import numpy as npimport pandas as pddic = {'a': 1, 'b': 2, 'c': 3, 666: 4, True:5}print(dic)print("---------------")series = pd.Series(dic)print(series)

向Series()函数传入一个字典，字典的key就是Series的索引，value就是Series的值。 运行结果如下所示。

通过字典创建Series

• 从DataFrame中创建Series

之前提到，pandas中Series与DataFrame的关系相当于NumPy中一维ndarray与二维ndarray的关系，因此，我们可以直接从DataFrame中获取Series。​

import numpy as npimport pandas as pdarr = np.arange(12).reshape(3, 4)print(arr)print("---------------")data_frame = pd.DataFrame(arr, index=[1, 2, 3])print(data_frame)print("---------------")series = data_frame[1]print(series)

我们首先创建一个DataFrame，然后使用索引即可获取一个Series。运行结果如下所示，可以看到，通过对DataFrame直接索引获取的是列的值，其实也可以通过loc和iloc方法获取行的值，只是获取行的值得到的依然是DataFrame，这里暂时不做展开，等详细介绍DataFrame的时候再介绍。

从DataFrame中创建Series

Series索引及切片

Series的索引包括下标索引、标签索引、切片索引和布尔型索引。

• 下标索引

下标索引与一维ndarray一样，只需根据序列获取所在位置上的值即可。我们创建一个Series，然后获取第7个位置上(从0开始计)的值。这里需要特别注意的是，Series的下标索引不支持通过-1来获取最后一个位置上的值。​

import numpy as npimport pandas as pdarr = np.random.rand(10)series = pd.Series(arr, index=list('abcdefghij'))print(series)print("---------------")print(series[6])print(type(series[6]))print(series[6].dtype)

运行结果如下所示。我们打印了获取的值的数据类型，可以看到，Series存储浮点型数据时自动保留了6位小数。事实上，pandas对浮点型数据的存储都会自动保留一定的小数位数，不同版本的pandas自动保留的位数可能会有出入。

下标索引

• 标签索引

Series的标签特性使它也可以通过标签进行索引，用法就类似于字典，传入标签索引即可获取对应的值。 ​

import numpy as npimport pandas as pdarr = np.random.rand(10)series = pd.Series(arr, index=list('abcdefghij'))print(series)print("---------------")print(series[6])print(series['g'])

运行结果如下所示，通过下标索引和标签索引都能获取到对应的值。

标签索引

• 切片索引

Series的切片索引与ndarray中的切片索引用法基本一致，区别在于Series的切片索引除了使用下标外还可以对标签进行切片。另外，虽然Series的下标索引不能使用-1，但是在切片中是可以使用-1来表示最后一个位置的。​

import numpy as npimport pandas as pdarr = np.random.rand(5)series = pd.Series(arr2, index=list('edcba'))print(series)print("---------------")print(series[1:3])print("---------------")print(series['d':'b']) # 包含末端print("---------------")print(series[:-1])

通过对下标切片或对标签切片都可以进行切片索引，但是需要注意两者间的区别，对下标切片索引时，是包头去尾的，即包括小的，不包括大的，而对标签切片索引时，是包含末端的。运行结果如下所示。

切片索引

• 布尔型索引

Series的布尔型索引与NumPy中布尔型索引的功能一样，会取出满足条件的值组成一个新的Series。基本用法如下。​

import numpy as npimport pandas as pdarr = np.random.rand(5)series = pd.Series(arr)print(series)print("---------------")bool = series > 0.5print(bool)print("---------------")print(series[bool])

运行结果如下所示。

布尔型索引

总结

以上介绍了pandas中Series的几种常用创建方法以及Series的下标索引、标签索引、切片索引和布尔型索引。感谢大家的关注，欢迎批评指正，一起交流~

​

​