【Pandas之Series篇】

最新推荐文章于 2025-04-02 21:18:47 发布

dxj_student

最新推荐文章于 2025-04-02 21:18:47 发布

阅读量157

点赞数

分类专栏： python 文章标签： pandas python 数据分析

原文链接：https://jxnuxwt.blog.youkuaiyun.com/article/details/124005945

版权

python 专栏收录该内容

5 篇文章

订阅专栏

Pandas

pandas 是基于NumPy 的一种工具，该工具是为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。

简介：
Pandas [1] 是python的一个数据分析包，最初由AQR Capital Management于2008年4月开发，并于2009年底开源出来，目前由专注于Python数据包开发的PyData开发team继续开发和维护，属于PyData项目的一部分。Pandas最初被作为金融数据分析工具而开发出来，因此，pandas为时间序列分析提供了很好的支持。 Pandas的名称来自于面板数据（panel data）和python数据分析（data analysis）。panel data是经济学中关于多维数据集的一个术语，在Pandas中也提供了panel的数据类型。

数据结构

Series：一维数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近。Series如今能保存不同种数据类型，字符串、boolean值、数字等都能保存在Series中。
Time- Series：以时间为索引的Series。
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。
Panel ：三维的数组，可以理解为DataFrame的容器。
Panel4D：是像Panel一样的4维数据容器。
PanelND：拥有factory集合，可以创建像Panel4D一样N维命名容器的模块。

Pandas安装

pip install pandas

Series

创建

默认索引

test_series0 = pd.Series([3,6,9,10])
print(test_series0)
0     3
1     6
2     9
3    10
dtype: int64

2.定义索引

test_series1 = pd.Series([1,2,3,4],index = ["a","b","c","d"])
print(type(test_series1))
print(test_series1)
<class 'pandas.core.series.Series'>
a    1
b    2
c    3
d    4

字典形式创建

test_series2 = pd.Series({"b":5,"a":6,"d":7})
print(test_series2)
b    5
a    6
d    7

与字典相同处

#访问index 、values
print(test_series2.index)
print(test_series0.index)
print(test_series0.values)

#布尔判断，如字典般，可做值判断
print(1 in test_series1.values)
print(1 in test_series1)
print("a" in test_series1)

条件查询

b    5
a    6
d    7
dtype: int64
print(test_series2[test_series2>3])    
a    6
d    7
dtype: int64

转换

#字典
dict1 = dict(test_series1)
print(dict1)
{'a': 1, 'b': 2, 'c': 3, 'd': 4}
#元组列表
list1 = list(test_series1.items())
print(list1)
[('a', 1), ('b', 2), ('c', 3), ('d', 4)]
#Frame
frame1 = test_series1.to_frame().reset_index()
print(frame1)
  index  0
0     a  1
1     b  2
2     c  3
3     d  4

计算（可以通过一系列数学运算方法且索引不变，仅值发生改变。）

xx = test_series3*3
print(xx)
a    6.0
c    NaN
d    9.0

xy = test_series3+test_series1
print(xy)
a    3.0
b    NaN
c    NaN
d    7.0

xh = test_series3["a"]*3
print(xh)
6.0
#替换
xz = test_series3.replace({2:11})
print(xz)
a    11.0
c     NaN
d     3.0
#删除
xw = test_series3.drop('a')
print(xw)
c    NaN
d    3.0