pandas.Series 基本技巧

append：添加

import numpy
import pandas

# 下标索引/标签index添加值
s1 = pandas.Series(numpy.random.rand(5))
s2 = pandas.Series(numpy.random.rand(5), index = list('abcde'))
s1[5] = 100
s2["f"] = 100
print(s1)
print(s2)

# .append方法直接添加一个数组
# .append方法生成一个新的数组，不改变之前的数组
s3 = s1.append(s2)
print(s3)

drop：删除

import numpy
import pandas
s = pandas.Series(numpy.random.rand(5), index = list('abcde'))
print(s)
s1 = s.drop("a")
print(s1)
# inplace：删除元素之后返回值,默认为False
s2 = s.drop(["b","c"],inplace = True)
# 如果inplace为True,返回值为None
print(s2)

修改

s = pandas.Series(numpy.random.rand(3),index = ['a','b','c'])
# 通过索引直接修改，类似列表
s['a'] = 100
s[['b','c']] = 200
print(s)

head / tail：数据查看

import numpy
import pandas

s = pandas.Series(numpy.random.rand(15))
print(s.head(2)) # .head()查看头部数据,默认查看5条
print(s.tail()) # .tail()查看尾部数据,默认查看5条

reindex：重新索引

import numpy
import pandas

s = pandas.Series(numpy.random.rand(5),index = list("abcde"))
print(s)

# .reindex将会根据新的索引重新排序，如果当前索引不存在，则引入缺失值
s2 = s.reindex(list("bcfea")) # .reindex()中也是写列表
# 这里'f'索引不存在，所以引入缺失值为NaN
print(s2)

# fill_value：填充缺失值的值
s3 = s.reindex(list("qwert"),fill_value = 0)
print(s3)

对齐

import numpy
import pandas

# Series上会根据标签自动对齐
s1 = pandas.Series(numpy.random.rand(3),index = (["爱衣","李依","美琴"]))
s2 = pandas.Series(numpy.random.rand(2),index = (["美琴","李依"]))
# index顺序不会影响数值计算，会以标签来计算
# 空值和任何值计算结果仍为空值
print(s1 + s2)