目录
#index修改为非数字类型的索引:①按照修改后的index索引,②按照默认的index索引
#index修改为其他型数据的索引:按照修改后的index索引
4.1、修改Series的values类型:Seriesname.astype(dtype)
Series类型类似于Numpy的一维数组对象,可以将该类型看做是一组数据与数据相关的标签(索引)联合而构成(带有标签的一维数组对象)。
Series数组对象由两部分构成:
值(value):一维数组的各元素值,是一个ndarray类型数据。
索引(index):与一维数组值一一对应的标签。利用索引,我们可非常方便得在Series数组中进行取值。
2、Series的创建方式
Series常用的创建(初始化)方式:
- 列表等可迭代对象
- ndarray数组对象
- 字典对象
- 标量
如果创建Series不指定index,则生成默认的index(0 ~ n-1)
# 使用列表,创建Series
In [1]: import numpy as np
In [2]: import pandas as pd
In [3]: s = pd.Series([1,2,3,4])
In [4]: print(s)
0 1
1 2
2 3
3 4
dtype: int64
In [5]: print(type(s))
<class 'pandas.core.series.Series'>
虽然我们在生成的时候没有设置index值,但Series还是会自动帮我们生成index,这种方式生成的Series结构跟list列表差不多,可以把这种形式的Series理解为竖起来的list列表,左边是index,右边是元素。
# 自己指定index,和数据类型,创建Series
In [1]: import pandas as pd
In [2]: import numpy as np
In [3]: s = pd.Series([1,2,3,4],index = ['A','B','C','D'],dtype=np.int32)
In [4]: print(s,type(s))
A 1
B 2
C 3
D 4
dtype: int32 <class 'pandas.core.series.Series'>
In [5]: s1 = pd.Series(range(1,10,2),index =list("abcde"),dtype=np.int32)
In [6]: print(type(s1),'\n',s)
<class 'pandas.core.series.Series'>
A 1
B 2
C 3
D 4
dtype: int32
In [7]: import string
In [8]: t = pd.Series(data=np.arange(10),index=list(string.ascii_uppercase[:10]))
In [9]: print(t)
A 0
B 1
C 2
D 3
E 4
F 5
G 6
H 7
I 8
J 9
dtype: int32
#通过字典创建Series(注意:字典中的键就是索引)
In [3]: d = {"name":"jalen","sex":"men","age":27}
In [4]: s = pd.Series(d)
In [5]: print(type(s),s)
<class 'pandas.core.series.Series'>
name jalen
sex men
age 27
dtype: object
In [12]: import string
In [13]: s = pd.Series({string.ascii_uppercase[i]:i for i in range(5)})
In [14]: print(s)
A 0
B 1
C 2
D 3
E 4
dtype: int64
</