[udacity] pandas学习笔记-1创建pandas series

目录

• 1  创建 Pandas Series
  • 1.1  我们先在 Python 中导入 Pandas。
  • 1.2  我们先创建一个 Pandas Series。
  • 1.3  和 NumPy ndarray 一样，通过 Pandas Series 的一些属性，我们可以轻松地获取 series 中的信息。

1  创建 Pandas Series

Pandas series 是一个像数组一样的一维对象，可以存储很多类型的数据，例如数字或字符串。
Pandas Series 和 NumPy ndarray 之间的主要区别之一是你可以为 Pandas Series 中的每个元素分配索引标签。
换句话说，你可以为 Pandas Series 索引指定任何名称。
Pandas Series 和 NumPy ndarrays 之间的另一个明显区别是 Pandas Series 可以存储不同类型的数据。

1.1  我们先在 Python 中导入 Pandas。

通常，我们使用 pd 导入 Pandas。因此，你可以在 Jupyter Notebook 中输入以下命令，导入 Pandas：

In [1]:

import pandas as pd

1.2  我们先创建一个 Pandas Series。

你可以使用 pd.Series(data, index) 命令创建 Pandas Series，其中 index 是一个索引标签列表。我们使用 Pandas Series 存储一个购物清单。我们将使用食品条目作为索引标签，使用购买数量作为数据。

In [2]:

groceries = pd.Series(data=[30,6,'yes','no'], index = ['eggs','apples','milk','bread'])
groceries

Out[2]:

eggs       30
apples      6
milk      yes
bread      no
dtype: object

可以看出 Pandas Series 的显示方式为：第一列是索引，第二列是数据。注意，数据的索引不是从 0 到 3，而是采用我们设置的食品名称，即鸡蛋、苹果、等…此外注意，我们的 Pandas Series 中的数据既包括整数，又包括字符串。

1.3  和 NumPy ndarray 一样，通过 Pandas Series 的一些属性，我们可以轻松地获取 series 中的信息。

我们来看一些属性：

In [3]:

groceries.shape

Out[3]:

(4,)

In [4]:

groceries.ndim

Out[4]:

1

In [5]:

groceries.size

Out[5]:

4

我们还可以单独输出 Pandas Series 的索引标签和数据。
如果你不知道 Pandas Series 的索引标签是什么，这种方法就很有用。

In [6]:

groceries.index

Out[6]:

Index(['eggs', 'apples', 'milk', 'bread'], dtype='object')

In [7]:

groceries.values

Out[7]:

array([30, 6, 'yes', 'no'], dtype=object)

如果你处理的是非常庞大的 Pandas Series，并且不清楚是否存在某个索引标签，可以使用 in 命令检查是否存在该标签：

In [8]:

'banana' in groceries

Out[8]:

False

In [9]:

'bread' in groceries

Out[9]:

True