pandas---Series数组

Series

1 pandas常用数据类型区别

• Series 数组
• DateFrame 矩阵

2 Series（一维 ）的创建和查看

pd.Series(data=None,index=None,dtype=None,name=None,copy=False)

• data=None, 注：类型可为 iterable，dict，scalar
• index=None, 注：索引可以重复，索引与data个数需一致
• dtype=None, 注：类型
• name=None, 注：重命名
• copy=False,
• fastpath=False,

fn=pd.Series([5,6,7,8],index=["a","b","c","d"],dtype=float,name="date_name",)
"""
a    5.0
b    6.0
c    7.0
d    8.0
Name: date_name, dtype: float64

"""
fn.dtype  
## dtype('float64')  查看数据类型  

fn.astype(int) 
## dtype: int32    修改数据类型   

fn.head(3)
## 查看头3行，默认为头5行

fn.tail(3)
## 查看尾3行，默认为尾5行

3 series的索引与值

• s.index # 查看索引
• s.values # 查看值序列
• s.reset_index(drop=False) # 重置索引
drop # 是否删除原索引 默认为否

fn.index
## Index(['a', 'b', 'c', 'd'], dtype='object')  查看索引

fn.values
## array([5., 6., 7., 8.]) 查看值序列  是数组类型（arrey）

fn.reset_index(drop=True)
## 
"""
0    5.0
1    6.0
2    7.0
3    8.0
Name: date_name, dtype: float64

"""

fn.reset_index(drop=False)

"""
index	date_name
0	a	5.0
1	b	6.0
2	c	7.0
3	d	8.0

"""

4 Series的索引与切片

fn=pd.Series([5,6,7,8],index=["a","b","c","d"],dtype=float,name="date_name",)
"""
a    5.0
b    6.0
c    7.0
d    8.0
Name: date_name, dtype: float64

"""
## 4种方法
fn["a"]     # 5.0   通过标签
fn[1]       # 6.0   通过索引
fn.loc["a"] # 5.0   通过标签
fn.iloc[1]  # 6.0   通过索引

5 Series运算

• 共同索引对应为运算，其它填充NaN
• 没有共同索引时，则全部为NaN

fn1=pd.Series([1,2,3,4],index=["a","b","c","d"])
fn2=pd.Series([1,2,3,4],index=["a","b","c","d"])
fn3=pd.Series([1,2,3,4,5],index=["a","b","c","d","e"])
fn1+fn2
"""
a    2
b    4
c    6
d    8
dtype: int64
"""
fn1+fn3
"""
a    2.0
b    4.0
c    6.0
d    8.0
e    NaN
dtype: float64
"""
fn1+fn4
## 对应共同索引进行运算
"""
a    NaN
b    3.0
c    5.0
d    7.0
e    NaN
dtype: float64
"""