Pandas Series

最新推荐文章于 2025-02-27 00:15:00 发布

xiang_Tree

最新推荐文章于 2025-02-27 00:15:00 发布

阅读量227

点赞数

CC 4.0 BY-SA版权

分类专栏： python

本文链接：https://blog.youkuaiyun.com/zhuwunengpp/article/details/88052187

python 专栏收录该内容

2 篇文章

订阅专栏

本文介绍Pandas数据分析工具包，基于numpy构建，适用于高效处理一维和二维数据。文章详细讲解了Series和DataFrame的创建及访问方法，包括使用列表、字典初始化Series，以及通过索引和位置访问元素。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Pandas 数据分析工具包

基于numpy构建，主要应用与数据分析。其主要一维数组Series + 二维数组DataFrame，可直接读取数据并处理（高效简单），

支持各种分析算法

Series

Series是一个一维数组，同时特别的是，

其带有索引，所以可以是数字也可以是字符串等，若对索引不做特殊要求，按照0~（Series长度-1）排序
每个series还有自己的名字

一、两种初始化方式

首先导如pandas的库

import pandas as pd

使用列表创建

#通过列表初始化
grade_list = pd.Series([99,100,90], index = ["Jone", "Bob", "Tim"], name = "grade list")
print(grade_list)

结果

当不对索引进行设置时，结果如下

2.使用字典创建

#通过字典初始化Series
grade = pd.Series({'Jone':99, 'Bob': 100, 'Peter':90}, name = "成绩列表")
print(grade)

结果：

访问Series中的元素

基于索引访问

print(grade.loc['Jone'],',',grade.loc['Peter'])

loc即location,用Series.loc()可以通过索引值进行访问

结果：

2.基于元素位置访问

(1)用Series.iloc()

官网的解释是Purely integer-location based indexing for selection by position.

print(grade.iloc[0],',',grade.iloc[2])

结果：

(2)通过[]方式进行访问

与numpy中访问元素方式的相同（这是我自己试的，不知道会有什么问题，欢迎批评指正）

print(grade[0],',',grade[1])

结果：

完整代码如下

import pandas as pd

#初始化Series
#通过字典初始化Series
grade = pd.Series({'Jone':99, 'Bob': 100, 'Peter':90}, name = "成绩列表")
print(grade)

#通过列表初始化
grade_list = pd.Series([99,100,90], index = ["Jone", "Bob", "Tim"], name = "grade list")
print(grade_list)

grade_list2 = pd.Series([99,100,90], name = "grade list")
print(grade_list2)

#Series访问
print(grade.loc['Jone'],',',grade.loc['Peter'])
print(grade.iloc[0],',',grade.iloc[2])
print(grade[0],',',grade[1])