关注我们

Pandas Series

Pandas Series可以定义为一维数组，能够存储各种数据类型。无涯教程可以使用" Series"方法轻松地将列表，元组和字典转换为Series。Series的行标签称为索引。一个Series不能包含多列。它具有以下参数:

data - 它可以是任何列表，字典或标量值。
index - 索引的值应唯一且可哈希。它必须与数据长度相同。如果不传递任何索引，则将使用默认的 np.arrange(n)。
dtype - 它是指Series的数据类型。
copy - 它用于复制数据。

创建Series

无涯教程可以通过两种方式创建Series:

创建一个空Series
使用输入创建Series

创建一个空Series

可以轻松地在Pandas中创建一个空Series，这意味着它将没有任何价值。

用于创建空序列的语法:

无涯教程网

复制代码

<series object> = pandas.Series()

以下示例创建了一个空Series类型对象，该对象没有值，并且具有默认数据类型，即 float64 。

复制代码

import pandas as pd
x = pd.Series()
print (x)

输出

Series([], dtype: float64)

使用输入创建Series

可以使用各种输入来创建Series:

数组(Array)
字典(Dict)
标量值(Scalar value)

从数组(array)创建Series:

在创建Series之前，首先，必须导入 numpy 模块，然后在程序中使用array()函数。如果数据是ndarray，则传递的索引必须具有相同的长度。

如果不传递索引，则默认传递 range(n)的索引，其中n定义数组的长度，即[0，1，2，.... range(len(array))-1 ]。

复制代码

import pandas as pd
import numpy as np
info = np.array(['P','a','n','d','a','s'])
a = pd.Series(info)
print(a)

输出

0    P
1    a
2    n
3    d
4    a
5    s
dtype: object

根据字典(dict)创建Series

无涯教程也可以根据字典创建Series。 如果将字典对象作为输入传递且未指定索引，则将按排序顺序获取字典键以构造索引。

如果传递了索引，则将从字典中提取与索引中特定标签相对应的值。

复制代码

#import the pandas library 
import pandas as pd
import numpy as np
info = {'x' : 0., 'y' : 1., 'z' : 2.}
a = pd.Series(info)
print (a)

输出

x     0.0
y     1.0
z     2.0
dtype: float64

使用标量创建Series:

如果采用标量值，则必须提供索引。标量值将被重复以匹配索引的长度。

复制代码

#import pandas library 
import pandas as pd
import numpy as np
x = pd.Series(4, index=[0, 1, 2, 3])
print (x)

输出

0      4
1      4
2      4
3      4
dtype: int64

访问Series

创建Series类型对象后，就可以访问其索引，数据，甚至单个元素。

与ndarray中的数据类似，可以访问Series中的数据。

复制代码

import pandas as pd
x = pd.Series([1,2,3],index = ['a','b','c'])
#retrieve the first element
print (x[0])

输出

Series对象属性

Series属性定义为与Series对象有关的任何信息，例如大小，数据类型。等。以下是一些可用于获取有关Series对象的信息的属性:

属性	说明
Series.index	定义Series的索引。
Series.shape	它返回数据形状的元组。
Series.dtype	它返回数据的数据类型。
Series.size	它返回数据的大小。
Series.empty	如果Series对象为空，则返回True，否则返回false。
Series.hasnans	如果有任何NaN值，则返回True，否则返回false。
Series.nbytes	它返回数据中的字节数。
Series.ndim	它返回数据中的维数。
Series.itemsize	它返回大小项目的数据类型。

检索Series对象的索引数组

无涯教程可以使用属性索引和值来检索现有Series对象的索引数组和数据数组。

复制代码

import numpy as np 
import pandas as pd 
x=pd.Series(data=[2,4,6,8]) 
y=pd.Series(data=[11.2,18.6,22.5], index=['a','b','c']) 
print(x.index) 
print(x.values) 
print(y.index) 
print(y.values)

输出

RangeIndex(start=0, stop=4, step=1)
[2 4 6 8]
Index(['a', 'b', 'c'], dtype='object')
[11.2 18.6 22.5]

检索类型(dtype)和类型大小(itemsize)

可以将Series对象的属性dtype与<objectname> dtype一起使用，以检索Series对象的单个元素的数据类型，可以使用itemsize属性显示分配给每个数据项的字节数。

复制代码

import numpy as np 
import pandas as pd 
a=pd.Series(data=[1,2,3,4]) 
b=pd.Series(data=[4.9,8.2,5.6], 
index=['x','y','z']) 
print(a.dtype) 
print(a.itemsize)  
print(b.dtype) 
print(b.itemsize)

输出

int64
8
float64
8

检索Shape

Series对象的形状定义元素的总数，包括缺失值或空值(NaN)。

复制代码

import numpy as np 
import pandas as pd 
a=pd.Series(data=[1,2,3,4]) 
b=pd.Series(data=[4.9,8.2,5.6],index=['x','y','z']) 
print(a.shape) 
print(b.shape)

输出

(4,)
(3,)

检索尺寸,大小和字节数

复制代码

import numpy as np 
import pandas as pd 
a=pd.Series(data=[1,2,3,4]) 
b=pd.Series(data=[4.9,8.2,5.6],
index=['x','y','z']) 
print(a.ndim, b.ndim) 
print(a.size, b.size) 
print(a.nbytes, b.nbytes)

输出

1 1
4 3
32 24

检查Empty和NaN

要检查Series对象是否为空，可以使用 empty属性。同样，要检查Series对象是否包含某些NaN值，可以使用 hasans 属性。

复制代码

import numpy as np 
import pandas as pd 
a=pd.Series(data=[1,2,3,np.NaN]) 
b=pd.Series(data=[4.9,8.2,5.6],index=['x','y','z']) 
c=pd.Series() 
print(a.empty,b.empty,c.empty) 
print(a.hasnans,b.hasnans,c.hasnans) 
print(len(a),len(b)) 
print(a.count( ),b.count( ))

输出

False   False   True
True    False   False
4   3
3   3

Series函数

Series中使用的一些函数如下:

函数	说明
Pandas Series.map()	映射具有公共列的两个Series的值。
Pandas Series.std()	计算给定数字集，DataFrame列和行的标准偏差。
Pandas Series.to_frame()	将Series对象转换为数据框。
pandasSeries.value_counts()	返回包含唯一值计数的Series。

祝学习愉快！(内容编辑有误？请选中要编辑内容 -> 右键 -> 修改 -> 提交！)

技术教程推荐

JavaScript进阶实战课 -〔石川〕

AI大模型企业应用实战 -〔蔡超〕

工程师个人发展指南 -〔李云〕

好记忆不如烂笔头。留下您的足迹吧 :)