pandas中的series数据类型详解

技术  /  管理员 发布于 7年前   136

本文介绍了pandas中的series数据类型详解，分享给大家，具体如下：

import pandas as pdimport numpy as npimport names'''写在前面的话：  1、series与array类型的不同之处为series有索引，而另一个没有;series中的数据必须是一维的，而array类型不一定  2、可以把series看成一个定长的有序字典，可以通过shape,index,values等得到series的属性'''# 1、series的创建'''（1）由列表或numpy数组创建    默认索引为0到N-1的整数型索引，如s1;    可以通过设置index参数指定索引，如s2；    通过这种方式创建的series，不是array的副本，即对series操作的同时也改变了原先的array数组，如s3（2）由字典创建    字典的键名为索引，键值为值，如s4；'''n1 = np.array([1, 4, 5, 67, 7, 43, ])s1 = pd.Series(n1)# print(s1)'''  1  4  5  67  7  43dtype: int32'''s2 = pd.Series(n1, index=['a', 'b', 'c', 'd', 'e', 'f'])# print(s2)'''a   1b   4c   5d  67e   7f  43dtype: int32'''# print(n1)'''[ 1 4 5 67 7 43]'''s1[2] = 100s3 = s1# print(s3)'''   1   4  100  67   7  43dtype: int32'''# print(n1)'''[ 1  4 100 67  7 43]'''dict1 = {}for i in range(10, 15):  # names.get_last_name()，随机生成英文名字  dict1[names.get_last_name()] = is4 = pd.Series(dict1)# print(s4)'''Poole   10Allen   11Davis   12Roland  13Brehm   14dtype: int64'''# 2、series的索引'''（1）通过index取值，可以通过下标获取，也可以通过指定索引获取，如s6，s7（2）通过.loc[]（显示索引）获取，这种方式只能获取显示出来的索引，无法通过下标获取，如s7（推荐）（3）隐式索引，使用整数作为索引值，使用.icol[]，如s9（推荐）'''s5 = pd.Series(np.array([1, 5, 9, 7, 6, 4, 52, 8]), index=[list('abcdefgh')])# print(s5)'''a   1b   5c   9d   7e   6f   4g  52h   8dtype: int32'''s6 = s5[2]# print(s6)''''''s7 = s5['c']# print(s7)'''c  9dtype: int32'''s8 = s5.loc['c']# print(s8)'''c  9dtype: int32'''s9 = s5.iloc[2]# print(s9)''''''# 3、series的切片'''  1、series的切片和列表的用法类似，不同之处在于建议使用.loc[:]和.iloc[:]，如s10和s11。当然直接使用[:]也可以。  2、当遇到特别长的series，我们支取出前5条或后5条数据时可以直接使用.head()或.tail()'''s5 = pd.Series(np.array([1, 5, 9, 7, 6, 4, 52, 8]), index=[list('abcdefgh')])# print(s5)'''a   1b   5c   9d   7e   6f   4g  52h   8dtype: int32'''s10 = s5.loc['b':'g']# print(s10)'''b   5c   9d   7e   6f   4g  52dtype: int32'''s11 = s5.iloc[1:7]# print(s11)'''b   5c   9d   7e   6f   4g  52dtype: int32'''# 4、关于NaN'''  （1）NaN是代表空值， 但不等于None。两者的数据类型不一样，None的类型为<class 'NoneType'>，而NaN的类型为<class 'float'>；  （2）可以使用pd.isnull(),pd.notnull()，或自带isnull(),notnull()函数检测缺失数据'''# print(type(None),type(np.nan))'''<class 'NoneType'> <class 'float'>'''s12 = pd.Series([1,2,None,np.nan],index=list('烽火雷电'))# print(s12)'''烽  1.0火  2.0雷  NaN电  NaNdtype: float64'''# print(pd.isnull(s12))'''烽  False火  False雷   True电   Truedtype: bool'''# print(pd.notnull(s12))'''烽   True火   True雷  False电  Falsedtype: bool'''# print(s12.notnull())'''烽   True火   True雷  False电  Falsedtype: bool'''# print(s12.isnull())'''烽  False火  False雷   True电   Truedtype: bool'''# 取出series中不为空的值# print(s12[s12.notnull()])'''烽  1.0火  2.0dtype: float64'''# series的name属性''''''s12.name = '风水'# print(s12)'''烽  1.0火  2.0雷  NaN电  NaNName: 风水, dtype: float64'''

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。