第1关:了解数据处理对象--Series

这篇博客介绍了Pandas中的Series数据结构,它是一维数组,类似Python的list但只存储相同类型的数据,用于高效的数据操作。内容包括Series的定义、属性、创建方式以及与字典的转换。通过示例展示了如何创建并操作Series对象。
部署运行你感兴趣的模型镜像

相关知识
Pandas是为了解决数据分析任务而创建的,纳入了大量的库和标准数据模型,提供了高效地操作大型数据集所需的工具。
对于Pandas包,在Python中常见的导入方法如下:

from pandas import Series,DataFrame  
import pandas as pd  

Pandas中的数据结构

  1. Series:
    一维数组,类似于Python中的基本数据结构list,区别是Series只允许存储相同的数据类型,这样可以更有效的使用内存,提高运算效率。就像数据库中的列数据;
  2. DataFrame:
    二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器;
  3. Panel:
    三维的数组,可以理解为DataFrame的容器。

了解Series
为了开始使用Pandas,我们必需熟悉它的两个重要的数据结构:Series 和DataFrame。虽然它们不是每一个问题的通用解决方案,但可以提供一个坚实的,易于使用的大多数应用程序的基础。
Series是一个一维的类似的数组对象,包含一个数组的数据(任何NumPy的数据类型)和一个与数组关联的数据标签,被叫做索引 。最简单的Series是由一个数组的数据构成:

In [1]:obj=Series([4,7,-5,3])  
In [2]:obj  
Out[2]:  
0 4  
1 7  
2 -5  
3 3  

Series的交互式显示的字符串表示形式是索引在左边,值在右边。因为我们没有给数据指定索引,一个包含整数0到N-1这里N是数据的长度)的默认索引被创建。你可以分别的通过它的values和index属性来获取 Series的数组表示和索引对象:

In [3]: obj.values  
Out[3]:array([4,7,-5,3])  
In [4]: obj.index  
Out[4]:Int64Index([0,1,2,3])  

通常,需要创建一个带有索引来确定每一个数据点的Series。

In [5]:obj2=Series([4,7,-5,3],index=['d','b','a','c'])  
In [6]:obj2  
Out[6]:  
d 4  
b 7  
a -5  
c 3  

如果你有一些数据在一个Python字典中,你可以通过传递字典来从这些数据创建一个Series,只传递一个字典的时候,结果Series中的索引将是排序后的字典的键。

In [7]:sdata={'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000}  
In [8]:obj3=Series(sdata)  
In [9]:obj3  
Out[9]:  
Ohio   35000  
Texas  71000  
Oregon 16000  
Utah   5000  

编程要求
根据提示,在右侧编辑器Begin-End处补充代码:
创建一个名为series_a的series数组,当中值为[1,2,5,7],对应的索引为[‘nu’, ‘li’, ‘xue’, ‘xi’];
创建一个名为dict_a的字典,字典中包含如下内容{‘ting’:1, ‘shuo’:2, ‘du’:32, ‘xie’:44};
将dict_a字典转化成名为series_b的series数组。
测试说明
如果答案正确,则会输出True。

# -*- coding: utf-8 -*-
from pandas import Series,DataFrame
import  pandas as pd

def create_series():
    '''
    返回值:
    series_a: 一个Series类型数据
    series_b: 一个Series类型数据
    dict_a:  一个字典类型数据
    '''
    # 请在此添加代码 完成本关任务
    # ********** Begin *********#
    series_a = pd.Series([1,2,5,7], index =['nu', 'li', 'xue', 'xi'])
    dict_a = {'ting':1, 'shuo':2, 'du':32, 'xie':44}
    series_b = pd.Series(dict_a)
    # ********** End **********#

    # 返回series_a,dict_a,series_b
    return series_a,dict_a,series_b

series的两种基础用法
一是给定列表,指定索引,索引对应列表的值
二是给定字典,键对应值
由此来看,是类似的用法

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率

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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

-阿呆-

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
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