pandas中series用法（python）

简介

Series结构，也称Series序列，是pandas常用的数据结构之一，它是一种类似于一维数组的结构，由一组数据值value和一组标签索引index组成，其中数据值和标签索引一一对应（有点像字典类型）

Series可以保存任何数据类型，比如整数，字符串，浮点数，python对象等，它的标签默认为0开始依次递增。

创建Series对象

import pandas as pd
s=pd.Series( data, index, dtype, copy)

参数说明：

参数名称	描述
data	输入的数据，可以是列表、常量、ndarray 数组等。
index	索引值必须是惟一的，如果没有传递索引，则默认为 np.arrange(n)。
dtype	dtype表示数据类型，如果没有提供，则会自动判断得出。
copy	表示对 data 进行拷贝，默认为 False

下面展示不同的创建Series的方法

ndarray创建Series对象

---

先做些准备工作，后面写代码就不写了

# 导入一些库和解决中文乱码的问题

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
import matplotlib

matplotlib.rc("font",family="FangSong")

---

自动创建索引

# 创建Series,自动创建索引

data = np.arange(5)
print(data)
a = pd.Series(data)
print(a)

指定索引

# 指定索引

a=pd.Series(data=['a','b','c','d'],index=['First','Second','Third','Forth'])
print(a)

用字典类型数据创建

# 用字典类型数据创建Series类型,不指定index

dic={'tom':19,'amy':20,'dog':18,'marry':22}
print(dic)
a=pd.Series(dic)
print(a)

---

# 用字典类型数据创建Series类型,指定index

dic={'a':1,'b':3,'c':2}
a=pd.Series(dic,index=['a','c','b','d'])
print(a)

访问Series数据

我们有两种方式访问Series数据，位置索引和标签索引

# 访问Series数据

data=np.arange(1,6)
index=['a','b','c','d','e']
a=pd.Series(data,index=index)
print(a)
print("-"*50)

# 使用下标和标签索引访问某一个数据

print(a[1])
print(a['b'])
print("-"*50)

# 使用下标和标签索引访问多个数据
print(a[2:])
print(a[['a','c','d']])

位置索引访问操作方式和numpy基本上一模一样，而标签索引访问和字典的操作方式基本上一模一样

Series常用属性

名称	属性
axes	以列表形式返回行标签索引
dtype	返回数据类型
empty	返回Series是否为空，类型为bool
ndim	返回数据维度
size	返回数据元素的数量
values	以ndarray形式返回Series对象
index	返回一个RangleIndex对象，描述索引值

代码

# 常用属性

data=np.arange(1,6)
index=['a','b','c','d','e']
a=pd.Series(data,index=index)
print(a)
print("-"*50)

# axex：以列表形式返回行标签索引
print(a.axes)
print("-"*50)

# dtype：返回数据类型
print(a.dtype)
print("-"*50)

# empty：返回Series是否为空，类型为bool
print(a.empty)
print("-"*50)

# ndim：返回数据维度
print(a.ndim)
print("-"*50)

# size：返回数据元素的数量
print(a.size)
print("-"*50)

# values：以ndarray形式返回Series对象
print(a.values)
print("-"*50)

# index：返回一个RangleIndex对象，描述索引值
print(a.index)
print("-"*50)

效果

Series常用方法

方法	描述
head	返回前n行数据，默认是前五行
tail	返回最后n行数据，默认是最后五行
isnull	检测Series中的缺失值，值缺失为true
notnull	检测Series中的缺失值，值缺失为false

代码

data=np.arange(1,6).astype(float)
data[4]=np.nan
index=['a','b','c','d','e']
a=pd.Series(data,index=index)
print(a)
print("-"*50)

print(a.head(3))
print(a.tail(3))
print("-"*50)

print(pd.isnull(a))
print("-"*50)
print(pd.notnull(a))

效果