pandas之series

 

Series创建方式

1. 列表创建
2. 字典创建
3. 其他创建
4. 建议存储同一类型数据

# 列表创建
a = pd.Series([2,3,4,5,6],index=[1,2,3,4,5])

# 索引就是字典的键
d = pd.Series({
    'name':'张三',
    'age': 18,
    'gender': True
})

# 标量创建
pd.Series(5)
pd.Series(5,index=[1,2,3,4,5])

# numpy函数创建
pd.Series(
    np.arange(4),
    index=np.arange(9,5,-1)
)

 

series的name，index

x = pd.Series(
    np.arange(4),
    index=np.arange(9,5,-1),
    name='pandas测试'
)
x.name = 'pandas名称'
x.index.name = '索引名称'

 

series的查询方法

查询
S.dtypes:Series整体的数据类型
S.shape:Series的形状（每个维度的值用元组表示）
len(S):Series里面的元素个数部分同上
S.count():Series里面非空的元素个数
S.value_counts():Series里面非空元素出现的次输，自动降序
S.unique():Series不重复的元素
S.sort_values(ascending=False)

 

查询值和索引
一个Series数据是由2个ndarray（相当于列表）数组组成地 索引&值
查询值

• 根据索引查询值
• 索引查询
• 切片查询

根据条件反查索引

• 布尔查询

class1 = pd.Series([95,25,59,90,61], index=['ming','hua','hong','huang','hui'])

　　

# 查询值
class1.values

# 查询索引,顶层索引是数组array
class1.index
class1.index.values
class1.index.values[0]

# 查询单值
class1.hong
class1[2] #自定义索引
class1['hong'] #默认索引

# 查询多值
class1[['hong','hui']]
class1[[1,4]]

# 切片查询
class1[:2]  #默认索引，前包后不包
class1['hong':'hui'] #自定义索引没有顺序，难以确定索引前后的值，都包括

# 布尔查询，不及格学生的姓名
class1[[False,True,True,False,False]]  #条件自己生成
class1<60 
class1[class1<60]   #调用生成的查询条件

 

修改索引&值

pd_rename = class1.rename({'ming':'小明'}) # 没有修改原来的值，增加了新的dtype并更改索引名字
class1.index.values[0]='aaaa'  #修改了原来的索引

class1['hua']=15
class1[['ming','hua']] = [98,12]

　　

Series数据操作

e = pd.Series([3,5,1,8,4,2])
# 查询
e[1] # 索引查询
e[[1,3,4]]
e[1:3]
e[e<5]
e.index
e.values
# 修改
e[4] = 40
# 增加
e[6]=100
e['name'] = '张三'  # 数据类型变为object，不同数据类型强制统一的时候，只能保存占用内存最大的数据类型（bool值有差异）
# 删除，删除功能等同于查询数据时跳过被删除数据
e.drop('name',inplace=True)