《Python for Data Analysis》之 Series_程序人生

《Python for Data Analysis》之 Series

admin

2023-08-02 22:28:40

0次

pandas的主要数据结构：Series

Pandas所能满足的需求:

具备按轴自动或显式数据对齐功能的数据结构。这可以防止许多由于数据未对齐以及来自不同数据源(索引方式不同)的数据而导致的常见错误。

集成时间序列功能

既能处理时间序列数据也能处理非时间序列的数据

数据运算和约简(比如对某个轴求和)可以根据不同的元数据(轴)编号执行。

灵活处理缺失数据

合并及其他出现在常见数据库中的关系型运算

Series是一种类似一维数组的对象，它由一组数据(各种Numpy数据类型)以及一组与之相关的数据标签(即索引)组成

Series的组成要素为两点：1.一组数据 2.与之对应的索引
创建：Series([data],index=[index])

\"Data可以是列表（省略index)\"
obj = Series([3,4,-5,6])

\"通过Python字典创建:键值自动作为索引\"
sdata = {\'a\':3,\'b\':4,\'c\':-5,\'d\':6}
obj = Series(sdata)

\"自定义索引\"
obj = Series([3,4,-5,6],index=[\'a\',\'b\',\'c\',\'d\'])

应用:Series的方法

\"通过索引选取单个值\"
In [7]: obj[\'a\']
Out[7]: 3
\"通过索引选取一组值\"
In [8]: obj[[\'a\',\'c\',\'d\']]
Out[8]: 
a    3
c   -5
d    6
\"数据组运算(Series可以看作一维数组)，保留索引和值之间的链接\"
obj[obj > 0]
obj[obj*2]
np.exp(obj2)

\"还可以将Series当作一个定长的有序字典\"
In [9]: \"b\" in obj
Out[9]: True

In [10]: \"e\" in obj
Out[10]: False

\"Series实例方法\"
In [10]: obj.isnull()  #检测缺失数据

\"Series的索引可以通过赋值的方式就地修改\"

In [11]: obj.index = [\'Bob\',\'Steve\',\'Jeff\',\'Ryan\']

Out[12]: 
Bob      3
Steve    4
Jeff    -5
Ryan     6
dtype: int64

python pandas NumPy dataanalysis

上一篇：为编写网络爬虫程序安装Python3.5

下一篇：通过网络图片小爬虫对比Python中单线程与多线（进）程的效率

《Python for Data Analysis》之 Series

pandas的主要数据结构：Series

相关内容

热门资讯