![9693b9a801b25f70a0e3af1416ef3585.png](https://i-blog.csdnimg.cn/blog_migrate/b5e569275917c0999658e6de91e89d09.jpeg)
和Numpy最大的不同,Pandas的数据有对应的index。
![acf80971ee63b07a6afae92044add9a6.png](https://i-blog.csdnimg.cn/blog_migrate/6b001b1ae19d81ba63bd0b5a209553dd.png)
一、Series数组
Series 是带有标签的一维数组,可以保存任何数据类型(整数,字符串,浮点数,Python对象等),轴标签统称为索引
- 创建Series数组
![fef54b4c3466fac31fd1ed42612a04fa.png](https://i-blog.csdnimg.cn/blog_migrate/3f22935432fdc0d0a42afca56af49612.png)
# 创建 Series 数据类型有三种方法
#1. 从列表创建 Series
arr = [0, 1, 2, 3, 4]
s1 = pd.Series(arr) # 如果不指定索引,则默认从 0 开始
print(s1)
输出结果:
0 0
1 1
2 2
3 3
4 4
dtype: int64
————————————————————————————————————————————————
#2. 从加入索引创建 Series
index = ['a' , 'b' , 'c' , 'd' , 'e']
n=[1,2,3,4,5]
s2 = pd.Series(n, index=index)
print(s2)
输出结果:
a 1
b 2
c 3
d 4
e 5
dtype: int64
——————————————————————————————————————————————————
#3.从字典创建 Series
d={'a':1, 'b':2, 'c':3, 'd':4, 'e':5}
s3=pd.Series(d)
print(s3)
输出结果:
a 1
b 2
c 3
d 4
e 5
dtype: int64
- 查看Series的数据,数据类型 values,index,dtype
![3077183ea73f74146fe422066ddce35a.png](https://i-blog.csdnimg.cn/blog_migrate/c8cd98fb789e68445ef3274d62c7591c.jpeg)
- 查看Series的描述性信息 describe()
![c638be40981ebee41ecb8a2b79c7dbdc.png](https://i-blog.csdnimg.cn/blog_migrate/9a7647a3e73520a3beffd9a6b0afe99f.png)
- 索引操作
index = ['a' , 'b' , 'c' , 'd' , 'e']
n=[1,2,3,4,5]
s2 = pd.Series(n, index=index)
输出:
a 1
b 2
c 3
d 4
e 5
dtype: int64
——————————————————————————————————————————————————
# 1、位置下标,类似序列
print(s[0])
print(s[3]
输出:
1
4
——————————————————————————————————————————————————
# 2、标签索引,方法类似下标索引,用[]表示,内写上index,注意index是字符串。
print(s['a'])
print(s[['b','e']]) #如果需要选择多个标签的值,用[[]]来表示(相当于[]中包含一个列表)
输出结果:
1
b 2
e 5
——————————————————————————————————————————————————
# 3、切片索引
print(s[1:3])
print(s['a':'c'])
输出结果:
b 2
c 3
dtype: int64
a 1
b 2
c 3
dtype: int64