上一节:
下一节:

  Pandas - Series（级数）

  • 简述

    Series 是一个一维标记数组，能够保存任何类型的数据（整数、字符串、浮点数、python 对象等）。轴标签统称为索引。

  • Pandas Series

    可以使用以下构造函数创建 Pandas Series - 
    
pandas.Series( data, index, dtype, copy)
    构造函数的参数如下 -
    序号 参数及说明
    1
    data
    数据采用各种形式，如 ndarray、列表、常量
    2
    index
    索引值必须是唯一且可散列的，与数据的长度相同。默认np.arrange(n)如果没有通过索引。
    3
    dtype
    dtype 用于数据类型。如果没有，将推断数据类型
    4
    copy
    复制数据。默认False
    可以使用各种输入创建一个Series，例如 -
    • 数组
    • 字典
    • 标量值或常数

  • 创建一个空 Series

    可以创建的基本Series是空Series。

    例子

    
#import the pandas library and aliasing as pd
import pandas as pd
s = pd.Series()
print s
    它的输出如下 - 
    
Series([], dtype: float64)

  • 从 ndarray 创建一个Series

    如果 data 是 ndarray，则传递的索引必须具有相同的长度。如果没有传递索引，则默认情况下索引将是range(n)在哪里n是数组长度，即[0,1,2,3…。range(len(array))-1].

    示例 1

    
#import the pandas library and aliasing as pd
import pandas as pd
import numpy as np
data = np.array(['a','b','c','d'])
s = pd.Series(data)
print s
    它的输出如下 - 
    
0   a
1   b
2   c
3   d
dtype: object
    我们没有传递任何索引，所以默认情况下，它分配的索引范围从 0 到len(data)-1，即 0 到 3。

    示例 2

    
#import the pandas library and aliasing as pd
import pandas as pd
import numpy as np
data = np.array(['a','b','c','d'])
s = pd.Series(data,index=[100,101,102,103])
print s
    它的输出如下 - 
    
100  a
101  b
102  c
103  d
dtype: object
    我们在这里传递了索引值。现在我们可以在输出中看到自定义的索引值。

  • 从 dict 创建一个Series

    一种dict可以作为输入传递，如果未指定索引，则按排序顺序获取字典键以构造索引。如果index被传入时，会拉出索引中标签对应的data中的值。

    示例 1

    
#import the pandas library and aliasing as pd
import pandas as pd
import numpy as np
data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data)
print s
    它的输出如下 - 
    
a 0.0
b 1.0
c 2.0
dtype: float64
    Observe− 字典键用于构建索引。

    示例 2

    
#import the pandas library and aliasing as pd
import pandas as pd
import numpy as np
data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data,index=['b','c','d','a'])
print s
    它的输出如下 - 
    
b 1.0
c 2.0
d NaN
a 0.0
dtype: float64
    Observe− 索引顺序保持不变，缺失的元素用 NaN（非数字）填充。

  • 从标量创建Series

    如果数据是标量值，则必须提供索引。该值将被重复以匹配index 
    
#import the pandas library and aliasing as pd
import pandas as pd
import numpy as np
s = pd.Series(5, index=[0, 1, 2, 3])
print s
    它的输出如下 - 
    
0  5
1  5
2  5
3  5
dtype: int64

  • 使用位置访问序列中的数据

    该Series中的数据可以类似于在ndarray.

    示例 1

    检索第一个元素。正如我们已经知道的，数组的计数从零开始，这意味着第一个元素存储在第零个位置，依此类推。 
    
import pandas as pd
s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
#retrieve the first element
print s[0]
    它的输出如下 - 
    
1

    示例 2

    检索Series中的前三个元素。如果在其前面插入 :，则从该索引开始的所有项目都将被提取。如果使用两个参数（它们之间有：），则两个索引之间的项目（不包括停止索引） 
    
import pandas as pd
s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
#retrieve the first three element
print s[:3]
    它的输出如下 - 
    
a  1
b  2
c  3
dtype: int64

    示例 3

    检索最后三个元素。 
    
import pandas as pd
s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
#retrieve the last three element
print s[-3:]
    它的输出如下 - 
    
c  3
d  4
e  5
dtype: int64

  • 使用标签（索引）检索数据

    A Series就像一个固定大小的dict因为您可以通过索引标签获取和设置值。

    示例 1

    使用索引标签值检索单个元素。 
    
import pandas as pd
s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
#retrieve a single element
print s['a']
    它的输出如下 - 
    
1

    示例 2

    使用索引标签值列表检索多个元素。 
    
import pandas as pd
s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
#retrieve multiple elements
print s[['a','c','d']]
    它的输出如下 - 
    
a  1
c  3
d  4
dtype: int64

    示例 3

    如果不包含标签，则会引发异常。 
    
import pandas as pd
s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
#retrieve multiple elements
print s['f']
    它的输出如下 - 
    
…
KeyError: 'f'
上一节:
下一节: