python数据分析 pandas学习笔记(一)pandas系列
一.系列说明
- 系列(Series)是能够保存任何类型的数据的一维标记数组。轴标签统称为索引。
- 语法:pandas系列可以使用以下构造函数创建
pandas.Series(data, index, dtype, copy)
构造函数的参数如下
data | 数据采取各种形式,如:ndarray,list,constants |
---|---|
index | 索引值必须是唯一的和散列的,与数据的长度相同。 默认np.arange(n)如果没有索引被传递。 |
dtype | dtype用于数据类型。如果没有,将推断数据类型 |
– | – |
copy | 复制数据,默认为false。 |
可以使用各种输入创建一个系列,如
1.数组
2.字典
3.标量值或常数
二 .创建一个空的系列
示例
import pandas as pd
s = pd.Series()
print s
Python执行上面示例代码,输出结果如下 -
Series([], dtype: float64)
三 从ndarray创建一个系列
如果数据是ndarray,则传递的索引必须具有相同的长度。 如果没有传递索引值,那么默认的索引将是范围(n),其中n是数组长度,即[0,1,2,3…. range(len(array))-1] - 1]。
import pandas as pd
import numpy as np
data = np.array([‘a’,‘b’,‘c’,‘d’])
s = pd.Series(data)
print s
Python执行上面示例代码,输出结果如下 -
0 a
1 b
2 c
3 d
dtype: object
Shell这里没有传递任何索引,因此默认情况下,它分配了从0到len(data)-1的索引,即:0到3。
示例2
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
Python执行上面示例代码,输出结果如下 -
100 a
101 b
102 c
103 d
dtype: object
Python在这里传递了索引值。现在可以在输出中看到自定义的索引值。
四 从字典创建一个系列
字典(dict)可以作为输入传递,如果没有指定索引,则按排序顺序取得字典键以构造索引。 如果传递了索引,索引中与标签对应的数据中的值将被拉出。
示例2
import pandas as pd
import numpy as np
data = {‘a’ : 0., ‘b’ : 1., ‘c’ : 2.}
s = pd.Series(data)
print s
Python执行上面示例代码,输出结果如下 -
a 0.0
b 1.0
c 2.0
dtype: float64
Python注意 - 字典键用于构建索引。
示例
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
Python执行上面示例代码,输出结果如下 -
b 1.0
c 2.0
d NaN
a 0.0
dtype: float64
Python注意观察 - 索引顺序保持不变,缺少的元素使用NaN(不是数字)填充。
五 从标量创建一个系列
如果数据是标量值,则必须提供索引。将重复该值以匹配索引的长度。
import pandas as pd
import numpy as np
s = pd.Series(5, index=[0, 1, 2, 3])
print s
Python执行上面示例代码,得到以下结果 -
0 5
1 5
2 5
3 5
dtype: int64
六 从具有位置的系列中访问数据
系列中的数据可以使用类似于访问ndarray中的数据来访问。
示例-1
检索第一个元素。比如已经知道数组从零开始计数,第一个元素存储在零位置等等。
import pandas as pd
s = pd.Series([1,2,3,4,5],index = [‘a’,‘b’,‘c’,‘d’,‘e’])
print s[0]
Python执行上面示例,得到以下结果 - 1
Shell示例-2
检索系列中的前三个元素。 如果a:被插入到其前面,则将从该索引向前的所有项目被提取。 如果使用两个参数(使用它们之间),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’])
print s[:3]
Python执行上面示例,得到以下结果 -
a 1
b 2
c 3
dtype: int64
示例-3
检索最后三个元素,参考以下示例代码 -
import pandas as pd
s = pd.Series([1,2,3,4,5],index = [‘a’,‘b’,‘c’,‘d’,‘e’])
print s[-3:]
Python执行上面示例代码,得到以下结果 -
c 3
d 4
e 5
dtype: int64
七 使用标签检索数据(索引)
一个系列就像一个固定大小的字典,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’])
print s[‘a’]
Python执行上面示例代码,得到以下结果 -
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’])
print s[[‘a’,‘c’,‘d’]]
Python执行上面示例代码,得到以下结果 -
a 1
c 3
d 4
dtype: int64
示例3如果不包含标签,则会出现异常。
import pandas as pd
s = pd.Series([1,2,3,4,5],index = [‘a’,‘b’,‘c’,‘d’,‘e’])
print s[‘f’]
Python执行上面示例代码,得到以下结果 - …
KeyError: ‘f’
- python数据分析学习笔记-Numpy-Matplotlib-Pandas
- 利用Pythonj进行数据分析学习笔记——第五章 pandas入门
- Data Analysis学习笔记 --- Python数据分析入门知识
- python数据分析与挖掘学习笔记(1)-基础及准备
- 第3章 Pandas数据处理(3.9-3.10)_Python数据科学手册学习笔记
- python数据分析与挖掘学习笔记(4)-垃圾邮件自动识别
- Python数据分析之pandas学习
- 第3章 Pandas数据处理(3.3)_Python数据科学手册学习笔记
- python数据分析与挖掘学习笔记(5)-公司客户价值判断分析与聚类算法
- Python数据分析--pandas部分笔记
- Python数据分析之pandas学习(含盖8个方面)
- Python数据分析与挖掘实战学习笔记(一)
- python数据挖掘学习笔记】十.Pandas、Matplotlib、PCA绘图实用代码补充
- python数据挖掘学习笔记】十三.WordCloud词云配置过程及词频分析
- Python数据分析之pandas学习(一)
- Python数据分析之pandas学习(二)
- Python数据分析之pandas学习
- Python数据分析之pandas学习
- Python数据分析之pandas学习
- 数据分析之pandas学习笔记一