Pandas库的使用--Series

使用pandas库生成序列(Series) # -*- coding: utf-8 -*- """ Created on Tue Oct 5 16:55:28 2021 @author: Machi """ import pandas as pd a = [1, 2, 3,5,7,3,4] aser = pd.Series(a) print(aser) print(aser[1]) 输出 阅读详情

一。概念

Series相当于一维数组。

1.调用Series的原生方法创建

import pandas as pd

s1 = pd.Series(data=[1,2,4,6,7],index=['a','b','c','d','e'])# index表示索引
print(s1['a'])
print(s1[0])
print(s1[:3])# 在Series中切片是一个闭合区间表示Series中0-3的元素

print(s1['a':'d']) # 范围是一个闭合

print(s1[['a','d']]) #用逗号隔开,表示分别取这两个元素 注意  这里用两个中括号括起来

 

2.使用字典生成Series

 

sdata = {'beijing':45000, 'shanghai':71000, 'guangzhou':16000, 'shengzheng':5000}
obj3 = Series(sdata)
print(obj3)
print("-"*40)


states = ['hangzhou', 'shanghai', 'guangzhou','beijing']
obj4 = Series(sdata, index = states) # 索引重置 使用字典生成Series,并额外指定index,不匹配部分为NaN。
print(obj4)
# #替换index 索引替换
obj.index = ['Bob', 'Steve', 'Jeff', 'Ryan']
print(obj)
#Series相加,相同索引部分相加。不相同的索引部分为NaN
print(obj3 + obj4)

 

 二。Series的相关特性及函数

from pandas import Series

#用数组生成Series ,默认情况下使用数字索引
obj = Series([4, 7, -5, 3])
print(obj)
print(obj.values)
print(obj.index)
print(obj.shape,obj.ndim) # 这里 shape表示每一个维度的数量, ndim表示的是维度

 

obj2 = Series([4, 7, -5, 3], index = ['d', 'b', 'a', 'c'])

print(obj2.index)
print(obj2['a'])
obj2['d']=6 #替换Series中的元素


print(obj2)
# print(obj2[:3]) # 数字的下标还存在,也可以分片
# print(obj2[['c', 'a', 'd']]) #获取索引a,c,d的值
# print(obj2[obj2 > 0])  # 找出大于0的元素
# print('b' in obj2) # 判断索引是否存在
# print('e' in obj2)
# print("-"*40)

 

# # #指定Series及其索引的名字obj4.name = '我定义的名字'obj4.index.name = 'index'print(obj4)

 



 

 持续更新中。。。。,欢迎大家关注我的公众号LHWorld.

在昇腾910B上,用kubeadm快速拉起一个双节点K8s集群(保姆级避坑指南) 本文详细介绍了在昇腾910B服务器上使用kubeadm快速搭建双节点Kubernetes集群的完整流程,包括环境准备、容器运行时配置、kubeadm初始化、节点加入与网络插件部署等关键步骤,特别针对ARM架构和昇腾芯片提供了优化配置和避坑指南。 阅读详情

相关推荐

SpringBoot Actuator未授权访问漏洞实战:从发现到利用

本文深入剖析了SpringBoot Actuator未授权访问漏洞的成因、危害与利用手法。文章详细演示了如何发现暴露的端点,并通过实战案例复现了从敏感信息泄露到利用反序列化漏洞实现远程代码执行(RCE)的全过程,为开发与运维人员提供了从漏洞发现到修复加固的完整安全指南。

weixin_29231221的博客 261

Pandas学习1-Series类型

简单介绍了Pandas库的Series类型对象的创建、访问、修改、常用属性及方法。

snowzmy的博客 2743

CloudCompare如何进行二次开发?

CloudCompare源代码编译成功后,即可进行二次开发,可以通过修改源码或者制作插件实现二次开发。本文二次开发采用修改CloudCompare的源代码的方式,分别修改mainwindow.ui、mainwindow.h、mainwindow.cpp,实现扩展功能,克隆选中的点云。

【cacrle】的博客 5334

【python】pandas库Series类型与基本操作详解

Series类型由一组数据及与之相关的数据索引组成,Series类型可以由如下类型创建: Python列表,index与列表元素个数一致 In [1]: import pandas as pd In [2]: list_a = [2,4,5,6] In [3]: pd.Series(list_a) Out[3]: 0 2 1 4 2 5 3 6 dtype:

brucewong0516的博客 8万+

ResNet理论基础与具体实现(详细教程)

论文地址:Deep Residual Learning for Image Recognition ​ Identity Mappings in Deep Residual Networks pytroch源码地址:resnet 0x00 前言 ResNet是2015年就提出的网络结构,中文名字叫作深度残差网络,主要作用是图像分类。现在在图像分割、目标检测等领域都有很...

coordinate的博客 8336

16、硬件工程师笔试面试——滤波器(2025版本)

根据德州仪器的应用指南,设计有源低通滤波器时,可以使用设计表格来确定所需的电路元件值,这些表格包含了比例因数(FSF)和品质因数(Q),这些参数与滤波器的阶数有关。在设计和测试过程中,可以参考相关的技术文档和应用指南,例如德州仪器(Texas Instruments)提供的有源低通滤波器设计指南 ,其中详细介绍了设计方法、元件选择和测试技术。在设计完成后,进行充分的测试和验证是非常重要的。一般来说,每一阶低通或高通电路可以提供约6dB的衰减(每倍频程),因此,如果需要较大的带外衰减,就需要选择更高的阶数。

XU157303764的博客 2465

Python——Pandas库,超详细教程

前言 1、Python的Pandas是一个基于Python构建的开源数据分析库,它提供了强大的数据结构和运算功能。 2、 Series:一维数组,类似于Numpy中的一维array,但具有索引标签,可以保存不同类型的数据,如字符串、布尔值、数字等。 DataFrame:二维表格型数据结构,与SQL表或Excel工作表类似,每列可以是不同的数据类型(如数值、字符串或日期),并且具有列名和行索引。DataFrame是Pandas的核心数据结构,提供了丰富的数据操作方法。 接下来我们将逐步介绍他的用法

小白 3万+

我用C#实现上位机数据一键导出Excel:从乱码到百万行数据秒级导出的实战技巧

ExcelWorksheet worksheet = package.Workbook.Worksheets.Add("日报表");// 1. 标题(合并单元格)worksheet.Cells["A1"].Value = $"产线日报表 -DateTimeNowToString// 2. 表头和数据(同上)worksheet.Cells["A3"].Value = "时间";// ...省略表头和数据填充// 3. 合计行(公式计算)

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 714

深入掌握 Pandas 中 Series 基础功能:索引定制、数据排序与函数映射

本篇文章将主要介绍 Pandas 库中 Series 对象的基础方法,通过学习掌握这些基础方法,我们可以高效地进行数据预处理、计算等操作,为后续的数据分析打下坚实的基础。

fengshi_fengshi的专栏 1102

电气论文实现:前推回代在IEEE33节点中的潮流计算实现(matlab,python)

本文首先介绍了前推回代的原理。然后基于IEEE33节点算例,分别用python和matlab运用前推回代进行了潮流计算。

总裁余(余登武)博客 8613

Cadence PCB仿真使用Allegro PCB SI S参数配置方法图文教程

S参数即S-Parameter是指散射参数,描述信号在传输线中的正反向传输和正反向反射的情况。本文讲述在使用Allegro PCB SI进行信号完整性仿真前,S参数的配置方法。

fydar的博客 2178

【Pandas库】(2) Series的基本操作方法

各位同学好,今天和大家分享一下Pandas库中Series的基本操作方法。 内容有:①检查缺失值;②通过索引获取数据;③布尔索引;④name属性;⑤读取前几行数据;⑥读取后几行数据。 首先我们先定义一个Series import pandas as pd #导入pandas库 person = {"name":"阿强","age":21,"class":"一班"} #定义一个字典person # 生成一个Series,给它命名s1,以列表中给定的索引顺序排序,其中索引'sex'对应的值为None

博观而约取,厚积而薄发 3578

【Bug已解决】codex: sandbox mode blocks network / Cannot connect to database — CodeX CLI 沙箱阻止网络访问解决方案

CodeX CLI 沙箱模式阻止网络/数据库/命令访问的解决方案,含 allowNetwork、allowedCommands、--no-sandbox 与 Docker 网络模式。

博客 4290

pandas库的Series对象

在Python中,Pandas库是一个用于数据处理和分析的强大工具。Pandas库提供了DataFrame和Series两种数据结构,其中Series对象是Pandas库中的基础数据结构之一。Series对象可以存储不同类型的数据,包括整数、浮点数、字符串等,并可以具有索引。使用Series对象可以方便地处理数据,包括对数据进行计算、排序、分组等操作。点击进入官方文档Python中的Pandas库是数据处理和分析的强大工具,其中Series对象是Pandas库中的基础数据结构之一。

qq_53121361的博客 2147

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

Pandas库的Series类型

Series类型的介绍与操作

weixin_57515092的博客 852

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

pandas库介绍之-series

本文章适用于初学者对于pandas库想作系统性学习的学者,后续会逐步更新

JackMamjt的博客 1290

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

pandas库的使用Series

pandas库的使用 pandas 我们课程后续用得最多的一个模块,主要用于进行数据探索和数据分析 Pandas 是基于 NumPy 的一个开源 Python 库,它被广泛用于快速分析数据,以及数据清洗和准备等工作。它的名字来源是由“ Panel data”(面板数据,一个计量经济学名词)两个单词拼成的。**简单地说,你可以把 Pandas 看作是 Python 版的 Excel。 pand...

weixin_30539835的博客 161

pandas库之Series对象和DataFrame对象

pandas库之Series和DataFrame总结

weixin_49095243的博客 980

python pandas库 series如何使用

摘要:pandas Series是带标签的一维数组,可存储多种数据类型。通过列表或字典创建,支持自定义索引。常用属性包括values、index和dtype。提供标签/位置索引、矢量化运算、缺失值处理(isna/dropna/fillna)等功能,支持apply()应用自定义函数。内置统计方法如mean()、sum()等,并能通过布尔索引进行数据筛选。Series结合了字典和数组的优势,是数据分析的基础数据结构。

weixin_44363464的博客 670

多个series_Pandas库之Series使用介绍

Pandas库 pandas 是基于NumPy 的数据分析包,Pandas 的常用数据结构是 Series(一维数据)与 DataFrame(二维数据)import pandas as pd Pandas库之series Series是带标签的一维数组,可存储整数、浮点数、字符串、Python对象类型的数据。轴标签统称为索引。创建SeriesSeries属性增删改切片索引布尔索引修改index数据...

weixin_33497800的博客 434

pandas 去除前导0_Pandas库之Series使用介绍

Pandas库 pandas 是基于NumPy 的数据分析包,Pandas 的常用数据结构是 Series(一维数据)与 DataFrame(二维数据)import pandas as pd Pandas库之series Series是带标签的一维数组,可存储整数、浮点数、字符串、Python对象类型的数据。轴标签统称为索引。创建SeriesSeries属性增删改切片索引布尔索引修改index数据...

weixin_39927508的博客 554

Pandas Series结构——《Python数据分析库Pandas》

Pandas的Series结构在数据处理和分析中发挥着重要的作用。它不仅提供了丰富的操作方法和属性,使得数据处理变得更加简单高效,而且与其他Pandas数据结构(如DataFrame)的交互性也大大增强了其灵活性和实用性。通过掌握Series结构的基本用法和高级功能,我们可以更好地应对各种数据处理和分析任务,提取出有用的信息并做出准确的决策。👨‍💻博主Python老吕评论,您的举手之劳将对我提供了无限的写作动力!🤞🔥《Python全栈工程师》《跟老吕学MySQL》《Python游戏开发实战讲解》。

Python老吕的博客 1137

Pandas库-Series类型

文章目录Pandas库-Series类型默认索引自定义索引创建用标量值创建用字典创建例1例2用ndarray创建例1例2基本操作例1例2例3对齐操作Series+SeriesSeries的修改 Pandas库-Series类型 ​ Series类型由一组数据和与之相关的数据索引组成。 ​ Series=Index+ndarray 默认索引 #input# import pandas as pd a...

qq_40677317的博客 796

Pandas库的介绍、Series类型及DataFrame类型

教程:Python数据分析与展示_北京理工大学 目录Pandas库的介绍Pandas库的Series类型Pandas库的DataFrame类型 Pandas库的介绍 Pandas是Python中处理数据和分析数据非常好用的第三方库。 Pandas是Python第三方库,提供高性能易用数据类型和分析工具。简单来说,Pandas提供了便于操作数据的数据类型与很多的分析函数和分析工具,使得数据分析变得非常容易操作。引用Pandas库:import pandas as pd(重命名为pd是一种约定俗成的规定)。P

m0_56450064的博客 2613

科学计算库 —— Pandas之Series

Series是一个类似于一维数组的数据结构,它能够保存任何类型的数据,比如整数、字符串、浮点数等,主要由一组数据和与之相关的索引两部分构成。

hu_wei123的博客 1416

Python 的 pandas 库下的 Series 简单 使用

简介: 1、Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。 . 2、Pandas 是python的一个数据分析包,最初由AQR Capital Management于2008年4月开发,并

未昔的博客 564
上一篇: Python爬虫知识点四--scrapy框架
下一篇: 从0到1搭建spark集群---企业集群搭建
L先生AI课堂
L先生AI课堂 领域专家: 大数据技术领域 领域专家: 大数据技术领域
博客等级 码龄9年 678粉丝 216原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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

打赏作者

L先生AI课堂

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
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