#Series一维标记数组
#通过列表创建
list1 = [11,22,33,44]
s = pd.Series(list1)
s
s.values #值
s.index #索引
list(s.index)
s.index = ['A','B','C','D'] #修改索引index
s.index = list('ABCD') #快速修改,list强制将里面每个字符当成元素,转成列表形式
s.A #通过索引获取值,数字索引要用[],如s[1]
s['A']
s['A'] = 100 #通过索引修改值
#通过字典创建
d = {
'a':11,
'b':22,
'c':33
}
d.index = list('ABC')
f = {
'a':np.random.randint(0,10,size=(2,3))
'b':np.random.randint(0,10,size=(2,3))
'c':np.random.randint(0,10,size=(2,3))
}
s['a']
pd.Series([1,2,3],index=['pa','nd','as'],name='基础')
#Series索引
#显式索引
s = pd.Series({'Python':150,'NumPy':100,'Pandas':130})
s['Python'] #得到一个元素
s[['Pandas','NumPy']] #一次取多个元素,得到的是Series
s.loc[['Pandas','Python']]
#隐式索引
s[0]
s[[0,1]]
s[[0]]
s.iloc[0]
s.iloc[[0,1]]
#Series切片
#隐式切片
s[1:3]
s.iloc[1:4]
#显式切片
s['Python':'Pandas']
s.loc['Python':'Pandas']
#Series的基本属性和常用方法
s.shape
s.size
s.index #显示索引
s.values
s.name #给了name属性才有
s.head(2) #查看前2条数据,默认查看前5条数据
s.tail #查看最后5条数据
#检测缺失数据
s = pd.Series(['张三','李四','王五',np.nan])
s.isnull() #判断是否为空
s.notnull() #判断是否不为空
pd.notnull(s) #同上
#过滤空值
cond1 = s.isnull()
s['True','False','True'] #取第一个和第三个
s[cond1] #取为空的值
s[~cond1] #取反,取出非空的值
cond2 = s.notnull()
s[cond2] #取出非空的值
Python基础之Pandas(一)
最新推荐文章于 2024-07-26 21:19:18 发布