pandas中的series数据类型详解-创新互联
本文介绍了pandas中的series数据类型详解,分享给大家,具体如下:
创新互联专注于中大型企业的做网站、网站设计和网站改版、网站营销服务,追求商业策划与数据分析、创意艺术与技术开发的融合,累计客户数千家,服务满意度达97%。帮助广大客户顺利对接上互联网浪潮,准确优选出符合自己需要的互联网运用,我们将一直专注成都品牌网站建设和互联网程序开发,在前进的路上,与客户一起成长!import pandas as pd import numpy as np import 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 43 dtype: int32 ''' s2 = pd.Series(n1, index=['a', 'b', 'c', 'd', 'e', 'f']) # print(s2) ''' a 1 b 4 c 5 d 67 e 7 f 43 dtype: int32 ''' # print(n1) ''' [ 1 4 5 67 7 43] ''' s1[2] = 100 s3 = s1 # print(s3) ''' 1 4 100 67 7 43 dtype: 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()] = i s4 = pd.Series(dict1) # print(s4) ''' Poole 10 Allen 11 Davis 12 Roland 13 Brehm 14 dtype: 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 1 b 5 c 9 d 7 e 6 f 4 g 52 h 8 dtype: int32 ''' s6 = s5[2] # print(s6) ''' ''' s7 = s5['c'] # print(s7) ''' c 9 dtype: int32 ''' s8 = s5.loc['c'] # print(s8) ''' c 9 dtype: 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 1 b 5 c 9 d 7 e 6 f 4 g 52 h 8 dtype: int32 ''' s10 = s5.loc['b':'g'] # print(s10) ''' b 5 c 9 d 7 e 6 f 4 g 52 dtype: int32 ''' s11 = s5.iloc[1:7] # print(s11) ''' b 5 c 9 d 7 e 6 f 4 g 52 dtype: 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,而NaN的类型为 ; (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)) ''' ''' 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 NaN dtype: float64 ''' # print(pd.isnull(s12)) ''' 烽 False 火 False 雷 True 电 True dtype: bool ''' # print(pd.notnull(s12)) ''' 烽 True 火 True 雷 False 电 False dtype: bool ''' # print(s12.notnull()) ''' 烽 True 火 True 雷 False 电 False dtype: bool ''' # print(s12.isnull()) ''' 烽 False 火 False 雷 True 电 True dtype: bool ''' # 取出series中不为空的值 # print(s12[s12.notnull()]) ''' 烽 1.0 火 2.0 dtype: float64 ''' # series的name属性 ''' ''' s12.name = '风水' # print(s12) ''' 烽 1.0 火 2.0 雷 NaN 电 NaN Name: 风水, dtype: float64 '''
网页题目:pandas中的series数据类型详解-创新互联
网站链接:http://myzitong.com/article/djhggh.html