本文共 1734 字,大约阅读时间需要 5 分钟。
1.0 自动索引
如下代码所示:当只给定值,不给定索引的时候,系统将会自动补齐索引>>> import pandas as pd>>> a=pd.Series([1,2,3,4])>>> a0 11 22 33 4dtype: int64
2.0 自定义索引
如下代码所示:给定俩组数据,前者表示值,后者表示自定义索引>>> b=pd.Series([5,6,7,8],['a','b','c','d'])>>> ba 5b 6c 7d 8dtype: int64
3.0 可以用以下类型创建Series类型
3.1 使用标量值
使用标量值的时候,索引值给定后,标量将会根据索引填充>>> c=pd.Series(25,index=['a','b','c'])>>> ca 25b 25c 25dtype: int64
3.2 使用字典类型
字典类型相当于键值对>>> d=pd.Series({ 'a':8,'b':5})>>> da 8b 5dtype: int64
3.3 ndarray,相当于将ndarray的值分别赋给索引和值
>>> import numpy as np>>> e=pd.Series(np.arange(5))#还可以给定index=np.arange()给定索引>>> e0 01 12 23 34 4dtype: int32
4.0 Series基本操作(类ndarray类型)
4.1 对其的索引和值进行输出及查看其类型
>>> b.indexIndex(['a', 'b', 'c', 'd'], dtype='object')>>> b.valuesarray([5, 6, 7, 8], dtype=int64)
4.2 使用索引查看值,可以使用自动索引,也可以使用自定义索引
>>> b['a']5>>> b[1]6>>> b[['a','b',0]] #俩种索引不能混用a 5.0b 6.00 NaNdtype: float64
4.3 切片操作
如下代码所示:与其他的切片同理,>>> b[:2]a 5b 6dtype: int64
4.4 使用部分函数操作,如下代码所示:
>>> b[b>b.median()] #中位数函数c 7d 8dtype: int64
5.0 Series基本操作(类字典类型)
5.1 字典索引:索引键>>> b['a']5
5.2 in 关键字
使用该关键字获取的判断是使用该值和Series中索引进行判断>>> 8 in bFalse>>> 2 in bFalse>>> 'a' in bTrue
5.3 get()函数
当存在该索引时,返回该索引对应的值,反之,返回get函数里面的参数>>> b.get('f',36)36>>> b.get('a',36)5
6.0 Series数据的运算
这是基于索引的运算,当有一方不存在该索引对应的值,则会返回NaN>>> a=pd.Series([1,2,3],['c','d','e'])>>> ac 1d 2e 3dtype: int64>>> ba 5b 6c 7d 8dtype: int64>>> a+ba NaNb NaNc 8.0d 10.0e NaNdtype: float64
7.0 name属性
该属性随时修改并立即生效>>> b.name>>> b.name='Serise数据'>>> b.name'Serise数据'>>> b.index.name='列名'>>> b列名a 5b 6c 7d 8Name: Serise数据, dtype: int64
8.0 Series实质上是一维带“标签”的数组
转载地址:http://damzi.baihongyu.com/