Python数据清洗 - 1.3 Pandas常用数据结构series和方法

1.3 Pandas 常见数据结构

1） 通过pandas.Series创建Series数据结构：

pandas.Series(data,index,dtype,name)

data：list，array，或dict ；
index: 索引（必须与数据同长度） ；
name: 对象名称

s = np.array([1,2,3,4,3,2,1,2,2,4,6,7,2,4,8,4,5])

s

array([1, 2, 3, 4, 3, 2, 1, 2, 2, 4, 6, 7, 2, 4, 8, 4, 5])

np.where(s>3,s,-1)

array([-1, -1, -1,  4, -1, -1, -1, -1, -1,  4,  6,  7, -1,  4,  8,  4,  5])

np.extract(s>3,s)

array([4, 4, 6, 7, 4, 8, 4, 5])

series1 = pd.Series([2.8,3.1,8.99,8.58,5.18])

type(series1)

pandas.core.series.Series

本节正文：

import pandas as pd

import numpy as np

series1 = pd.Series([2.8,3.01,8.99,8.59,5.18])
series2 = pd.Series([2.8,3.01,8.99,8.59,5.18],index=['a','b','c','d','e'],name = '这是一个Series')
series3 = pd.Series([2.8,3.01,8.99,8.59,5.18],index=['a','b','c','d','e'])
series4 = pd.Series({'上海':2.8,'北京':3.01,'广东':8.99,'江苏':8.59,'浙江':5.18})

所以，字典格式时，字典的键就成为行索引的名称，字典的值成为Series的值。

series4

上海    2.80
北京    3.01
广东    8.99
江苏    8.59
浙江    5.18
dtype: float64

series的切片和索引方式如下：

#通过位置访问，左取右不取：
series4[0:3]

上海    2.80
北京    3.01
广东    8.99
dtype: float64

#通过标签访问，没有所谓左取右不取：
series4['北京':'江苏']

series的方法、属性：

series1.values #输出的是值

array([2.8 , 3.1 , 8.99, 8.58, 5.18])

series4.index #输出的是索引

Index(['上海', '北京', '广东', '江苏', '浙江'], dtype='object')

series4.dtypes #输出的是数据类型

dtype('float64')