Pandas中Series索引的创建和基本用法

pandas 笔记002

二、Series索引的创建和基本用法

1.Series索引的创建

三种常用方法创建Series索引

  • 通过列表创建Series索引

  • 通过numpy创建的数组来创建Series索引

  • 通过字典(无序)创建Series索引

1.1 通过列表创建Series索引

索引值默认从0开始(0索引)。

import pandas as pd
import numpy as np
a1 = pd.Series([1,2,3,4,5])
a1     #生成的结果左边是索引(默认的索引),对应右边的元素值,最下面是值的数据类型
0    1
1    2
2    3
3    4
4    5
dtype: int64
type(a1)  #类型
pandas.core.series.Series

index指定索引名:

注意:指定的索引数量必须和列表元素数量一致,否则报错。

#index指定索引名
a2 = pd.Series([1,2,3,4,5],index=['a','b','c','d','e'])  #指定的索引数量必须和列表元素数量一致,否则报错
a2
a    1
b    2
c    3
d    4
e    5
dtype: int64
1.2 通过numpy创建的数组来创建Series索引
b1 = pd.Series(np.arange(1,6))
b1  #生成的结果左边是索引(默认的索引),对应右边的元素值
0    1
1    2
2    3
3    4
4    5
dtype: int32
type(b1)   #类型
pandas.core.series.Series

指定索引:

注意:指定的索引数量必须和列表元素数量一致,否则报错。

#index指定索引名
b1 = pd.Series([1,2,3,4,5],index=['a','b','c','d','e'])  #指定的索引数量必须和列表元素数量一致,否则报错
b1
a    1
b    2
c    3
d    4
e    5
dtype: int64
1.3 通过字典(无序数据类型)创建Series索引
dict1 = {
   'name':'李宁','age':'12','gender':'男'}
print(dict1)  #字典是无序的,每次输出顺序可能不一样
print
  • 3
    点赞
  • 22
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
PandasSeries提供了丰富的函数和方法,以下是一些常见的函数和方法及其说明: 1. head():返回Series的前n行,默认为5行。 ```python import pandas as pd s = pd.Series([1, 2, 3, 4, 5]) print(s.head(3)) ``` 输出: ``` 0 1 1 2 2 3 dtype: int64 ``` 2. tail():返回Series的后n行,默认为5行。 ```python import pandas as pd s = pd.Series([1, 2, 3, 4, 5]) print(s.tail(3)) ``` 输出: ``` 2 3 3 4 4 5 dtype: int64 ``` 3. describe():返回Series的统计信息,包括计数、均值、标准差、最小值、最大值等。 ```python import pandas as pd s = pd.Series([1, 2, 3, 4, 5]) print(s.describe()) ``` 输出: ``` count 5.000000 mean 3.000000 std 1.581139 min 1.000000 25% 2.000000 50% 3.000000 75% 4.000000 max 5.000000 dtype: float64 ``` 4. unique():返回Series的唯一值。 ```python import pandas as pd s = pd.Series([1, 2, 3, 3, 4, 4, 5]) print(s.unique()) ``` 输出: ``` [1 2 3 4 5] ``` 5. value_counts():返回Series每个值的出现次数。 ```python import pandas as pd s = pd.Series([1, 2, 3, 3, 4, 4, 5]) print(s.value_counts()) ``` 输出: ``` 4 2 3 2 5 1 2 1 1 1 dtype: int64 ``` 6. idxmax():返回Series最大值的索引。 ```python import pandas as pd s = pd.Series([1, 2, 3, 4, 5]) print(s.idxmax()) ``` 输出: ``` 4 ``` 7. apply():对Series的每个元素应用一个函数。 ```python import pandas as pd s = pd.Series([1, 2, 3, 4, 5]) print(s.apply(lambda x: x ** 2)) ``` 输出: ``` 0 1 1 4 2 9 3 16 4 25 dtype: int64 ``` 8. map():将Series的每个值根据一个字典进行映射。 ```python import pandas as pd s = pd.Series([1, 2, 3, 4, 5]) mapping = {1: 'A', 2: 'B', 3: 'C', 4: 'D', 5: 'E'} print(s.map(mapping)) ``` 输出: ``` 0 A 1 B 2 C 3 D 4 E dtype: object ``` 这些只是PandasSeries的一些常见函数和方法,还有很多其他的函数和方法可供使用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值