python pandas用法_Python Pandas系列series用法详细介绍

本文概述

Pandas系列可以定义为能够存储各种数据类型的一维数组。我们可以使用” series”方法轻松地将列表, 元组和字典转换为series。series的行标签称为索引。Series不能包含多列。它具有以下参数：

数据：可以是任何列表, 字典或标量值。

index：索引的值应唯一且可哈希。它必须与数据长度相同。如果我们不传递任何索引, 则将使用默认的np.arrange(n)。

dtype：是指系列的数据类型。

复制：用于复制数据。

创建系列

我们可以通过两种方式创建系列：

创建一个空系列

使用输入创建系列。

创建一个空系列：

我们可以轻松地在Pandas中创建一个空系列, 这意味着它将没有任何价值。

用于创建空序列的语法：

= pandas.Series()

以下示例创建了一个空系列类型对象, 该对象没有值, 并且具有默认数据类型, 即float64。

例子

import pandas as pd

x = pd.Series()

print (x)

输出

Series([], dtype: float64)

使用输入创建系列：

我们可以使用各种输入来创建系列：

Array

辞典

标量值

从数组创建序列：

在创建系列之前, 首先, 我们必须导入numpy模块, 然后在程序中使用array()函数。如果数据是ndarray, 则传递的索引必须具有相同的长度。

如果我们不传递索引, 则默认情况下将传递range(n)的索引, 其中n定义数组的长度, 即[0, 1, 2, …. range(len(array))- 1]。

例子

import pandas as pd

import numpy as np

info = np.array(['P', 'a', 'n', 'd', 'a', 's'])

a = pd.Series(info)

print(a)

输出

0 P

1 a

2 n

3 d

4 a

5 s

dtype: object

从字典创建系列

我们也可以根据字典创建系列。如果将字典对象作为输入传递而未指定索引, 则按排序顺序获取字典键以构造索引。

如果传递了索引, 则将从字典中提取与索引中特定标签相对应的值。

#import the pandas library

import pandas as pd

import numpy as np

info = {'x' : 0., 'y' : 1., 'z' : 2.}

a = pd.Series(info)

print (a)

输出

x 0.0

y 1.0

z 2.0

dtype: float64

使用标量创建系列：

如果采用标量值, 则必须提供索引。标量值将被重复以匹配索引的长度。

#import pandas library

import pandas as pd

import numpy as np

x = pd.Series(4, index=[0, 1, 2, 3])

print (x)

输出

0 4

1 4

2 4

3 4

dtype: int64

通过位置访问系列数据

创建Series类型对象后, 就可以访问其索引, 数据, 甚至单个元素。

与ndarray中的数据类似, 可以访问Series中的数据。

import pandas as pd

x = pd.Series([1, 2, 3], index = ['a', 'b', 'c'])

#retrieve the first element

print (x[0])

输出

1

系列对象属性

Series属性定义为与Series对象有关的任何信息, 例如大小, 数据类型。等。以下是一些可用于获取有关Series对象的信息的属性：

Attributes

Description

Series.index

定义系列的索引。

系列形状

它返回数据形状的元组。

Series.dtype

它返回数据的数据类型。

Series.size

它返回数据的大小。

空系列

如果Series对象为空, 则返回True, 否则返回false。

Series.hasnans

如果有任何NaN值, 则返回True, 否则返回false。

Series.nbytes

它返回数据中的字节数。

Series.ndim

它返回数据中的维数。

Series.itemsize

它返回item数据类型的大小。

检索序列对象的索引数组和数据数组

我们可以使用属性index和values检索现有Seri​​es对象的索引数组和数据数组。

import numpy as np

import pandas as pd

x=pd.Series(data=[2, 4, 6, 8])

y=pd.Series(data=[11.2, 18.6, 22.5], index=['a', 'b', 'c'])

print(x.index)

print(x.values)

print(y.index)

print(y.values)

输出

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

[2 4 6 8]

Index(['a', 'b', 'c'], dtype='object')

[11.2 18.6 22.5]

检索类型(dtype)和类型大小(itemsize)

可以将属性dtype与Series对象一起用作 dtype来检索系列对象的单个元素的数据类型, 可以使用itemsize属性显示分配给每个数据项的字节数。

import numpy as np

import pandas as pd

a=pd.Series(data=[1, 2, 3, 4])

b=pd.Series(data=[4.9, 8.2, 5.6], index=['x', 'y', 'z'])

print(a.dtype)

print(a.itemsize)

print(b.dtype)

print(b.itemsize)

输出

int64

8

float64

8

检索形状

Series对象的形状定义元素的总数, 包括缺失值或空值(NaN)。

import numpy as np

import pandas as pd

a=pd.Series(data=[1, 2, 3, 4])

b=pd.Series(data=[4.9, 8.2, 5.6], index=['x', 'y', 'z'])

print(a.shape)

print(b.shape)

输出

(4, )

(3, )

检索尺寸, 大小和字节数：

import numpy as np

import pandas as pd

a=pd.Series(data=[1, 2, 3, 4])

b=pd.Series(data=[4.9, 8.2, 5.6], index=['x', 'y', 'z'])

print(a.ndim, b.ndim)

print(a.size, b.size)

print(a.nbytes, b.nbytes)

输出

1 1

4 3

32 24

检查NaN的空性和存在性

要检查Series对象是否为空, 可以使用empty属性。同样, 要检查系列对象是否包含某些NaN值, 可以使用hasans属性。

例子

import numpy as np

import pandas as pd

a=pd.Series(data=[1, 2, 3, np.NaN])

b=pd.Series(data=[4.9, 8.2, 5.6], index=['x', 'y', 'z'])

c=pd.Series()

print(a.empty, b.empty, c.empty)

print(a.hasnans, b.hasnans, c.hasnans)

print(len(a), len(b))

print(a.count( ), b.count( ))

输出

False False True

True False False

4 3

3 3

系列功能

系列中使用的一些功能如下：

Functions

Description

PandasSeries.map()

映射两个具有公共列的系列的值。

PandasSeries.std()

计算给定数字集, DataFrame, 列和行的标准偏差。

PandasSeries.to_frame()

将系列对象转换为数据框。

PandasSeries.value_counts()

返回一个包含唯一值计数的Series。