python实验指导书pandas答案_【Python菜鸟进阶大神】Pandas_001：最全的Series笔记（附代码）...

【前言】

本文适合了解过Python，有一定基础的读者。本人写第一篇文章，纯粹做学习笔记，关于Pandas，无疑是数据分析最重要的的库之一，所以会先从Pandas开始，会涉及的内容：Pandas简介、Pandas最重要的两种数据结构Series和DataFrame，有了基础后第三块开始实战，巩固练习。

【Pandas简介】

Pandas是什么？有哪些功能？用来做什么？为什么用它？怎么用？

参考：Pandas(Python >

1、什么样的工具：有高级数据结构和函数；

2、为什么高级：可以利用结构化、表格化的数据工作快速、简单、有表现力

3、有哪些数据结构和函数：如DataFrame是表格化、面向列、使用行列标签的数据结构，Series是一种一维标签的数组对象。函数有is_null()、apply()、索引函数等等。

4、用来什么：数据操作、预处理、数据清洗。

5、怎么用：后面详细讲解。

【Series详解】

到这里，估计你已经明白，今天要分享的标题内容Pandas中的Series其实就是一种高级的数据结构，可以让数据处理有效、简单、快捷。

Series是一种类似于一维数组的对象，是由一组数据以及一组与之相关的数据标签(即索引)组成。

一、创建Series

1、通过列表创建

我们看到，前面自动生成0到N-1(N为列表的长度)的索引，pd.Series()括号直接传入列表

2、通过字典创建

从上面的例子我们知道，只要在pd.Series()括号内传入自定义的字典即可：这时我们发现，Series的索引变为字典的键，字典的值变成了数组。

3、通过一维数组创建

关于numpy的相关知识会在后面涉及，写文章的时候，会前后内容交叉，便于复习记忆。

一维数组的创建方法：np.array()；

缺失值生成的方法：np.NaN。

【注】：Series中传入的数据类型必须统一，

如：bb=np.array([11,23,np.NAN,“李三”,24,-6,89.33])，会报错。同时我们看到float和int是可以共存的，因为是数字类型。

二、Series值的访问

1、访问值和索引：.values和.index

2、索引可以在创建的时候定义

我们仍然用>

3、通过索引访问数组:

多个的时候传入列表

4、通过布尔值访问、过滤

单独看看布尔值是什么，对应判断为真的位置的值被提取出来：

那么可不可以多条件呢？

此处有坑需要注意：

错误的写法：>

正确的写法：data3[(data3>20) & (data3<25)]

5、缺失值和非缺失值的过滤：.isnull()和.notnull()

         

       

6、运算

会广播到每个值

>

data4*10  #m每个值*10

data4**2  #乘方，对应到每个值

data4/10  #除法

聚合：numpy的聚合函数可以直接调用

np.sum(data4)

np.mean(data4)

np.exp(data4)

7、Series自动对齐

data4和data5如下：

两个Series相加，按照索引，两个数据索引都相同的相加，不在任何一个中以NaN填充对齐

当然还可以用对应的函数:

>

data5.sub(data4)    #减法

data5.div(data4)    #除法

data5.mul(data4)    #乘法

7、Series对象本身有name属性

【总结】：

本篇文章后，你应该掌握了pandas是什么，他的其中一种数据结构Series相关的知识：创建、读取值，条件过滤、数学运算，以及相关函数的使用。

学习是不断掌握工具的过程，这里的工具就是琐碎的知识点，学会它才能在之后的实践应用自如，每一滴一点的积累，都会让你和大神更进一步！

觉得本文对你有帮助，请点击关注公众号(ywq885889)或者转发，

后续会持续更新系列文章，祝你早日成为大神