Python Pandas系列series用法详细介绍 _PythonPandas

本文概述

创建系列
通过位置访问系列数据
系列功能

Pandas系列可以定义为能够存储各种数据类型的一维数组。我们可以使用” 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。Series不能包含多列。它具有以下参数：

数据：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。如果我们不传递任何索引, 则将使用默认的np.arrange(n)。
dtype：是指系列的数据类型。
复制：用于复制数据。

创建系列我们可以通过两种方式创建系列：

创建一个空系列
使用输入创建系列。

创建一个空系列：
我们可以轻松地在Pandas中创建一个空系列, 这意味着它将没有任何价值。
用于创建空序列的语法：

< series object> = pandas.Series()

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

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

输出

Series([], dtype: float64)

使用输入创建系列：
我们可以使用各种输入来创建系列：

Array
辞典
标量值

从数组创建序列：
【Python Pandas系列series用法详细介绍】在创建系列之前, 首先, 我们必须导入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。
如果我们不传递索引, 则默认情况下将传递range(n)的索引, 其中n定义数组的长度, 即[0, 1, 2, … . range(len(array))- 1]。
例子

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

输出

0P1a2n3d4a5sdtype: object

从字典创建系列
我们也可以根据字典创建系列。如果将字典对象作为输入传递而未指定索引, 则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。

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

输出

x0.0y1.0z2.0dtype: float64

使用标量创建系列：
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。

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

输出

04142434dtype: int64

通过位置访问系列数据创建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。

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

输出

1

系列对象属性
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：

Attributes	Description
Series.index	定义系列的索引。
系列形状	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。
空系列	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item数据类型的大小。

检索序列对象的索引数组和数据数组
我们可以使用属性index和values检索现有Seri??es对象的索引数组和数据数组。

import numpy as np import pandas as pd x=pd.Series(data=http://www.srcmini.com/[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)
可以将属性dtype与Series对象一起用作< objectname> dtype来检索系列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。

import numpy as np import pandas as pd a=pd.Series(data=http://www.srcmini.com/[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

int648float648

检索形状
Series对象的形状定义元素的总数, 包括缺失值或空值(NaN)。

import numpy as np import pandas as pd a=pd.Series(data=http://www.srcmini.com/[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：

import numpy as np import pandas as pd a=pd.Series(data=http://www.srcmini.com/[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 14 332 24

检查NaN的空性和存在性
要检查Series对象是否为空, 可以使用empty属性。同样, 要检查系列对象是否包含某些NaN值, 可以使用hasans属性。
例子

import numpy as np import pandas as pd a=pd.Series(data=http://www.srcmini.com/[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

FalseFalseTrueTrueFalseFalse4333

系列功能系列中使用的一些功能如下：

Functions	Description
PandasSeries.map()	映射两个具有公共列的系列的值。
PandasSeries.std()	计算给定数字集, DataFrame, 列和行的标准偏差。
PandasSeries.to_frame()	将系列对象转换为数据框。
PandasSeries.value_counts()	返回一个包含唯一值计数的Series。