|
前些日子的数学建模，最近的kaggle比赛，再到现在做的一个小项目，发现pandas真是一个好东西，可惜之前不太会用，需要用的时候就去上网搜，效率极其低下，现在把这一部分知识过一遍，以便日后使用。今天的主题：pandas.Series()的几种创建方法。
import numpy as np
import pandas as pd
# 使用一个列表生成一个Series
s1 = pd.Series([1, 2, 3, 4])
print(s1)
'''
0 1
1 2
2 3
3 4
dtype: int64
'''
# 返回所有的索引
print(s1.index)
'''
RangeIndex(start=0, stop=4, step=1)
'''
# 使用数组生成一个Series
s2 = pd.Series(np.arange(7))
print(s2)
'''
0 0
1 1
2 2
3 3
4 4
5 5
6 6
dtype: int64
'''
# 使用一个字典生成Series，其中字典的键，就是索引
s3 = pd.Series({'1':1, '2':2, '3':3})
print(s3)
print(s3.values)
print(s3.index)
'''
1 1
2 2
3 3
dtype: int64
[1 2 3]
Index(['1', '2', '3'], dtype='object')
'''
# 使用列表生成序列，并且指定索引
s4 = pd.Series([1, 2, 3, 4], index=['A', 'B', 'C', 'D'])
print(s4)
'''
A 1
B 2
C 3
D 4
dtype: int64
'''
# 通过索引查找值
print(s4['A']) # 1
print(s4[s4>2])
'''
C 3
D 4
dtype: int64
'''
# 将Series转换为字典
print(s4.to_dict()) # {'B': 2, 'D': 4, 'C': 3, 'A': 1}
s5 = pd.Series(s4.to_dict())
print(s5)
'''
A 1
B 2
C 3
D 4
dtype: int64
'''
# 为s5指定一个新的索引
index_1 = ['A', 'B', 'C', 'D', 'E']
s6 = pd.Series(s5, index=index_1)
print(s6)
'''
A 1.0
B 2.0
C 3.0
D 4.0
E NaN
dtype: float64
'''
# 判断s6的每一项是否为nan
print(s6.isnull())
'''
A False
B False
C False
D False
E True
dtype: bool
'''
print(s6.notnull())
'''
A True
B True
C True
D True
E False
dtype: bool
'''
# 为 series 命名
s6.name = 'demo'
print(s6)
'''
A 1.0
B 2.0
C 3.0
D 4.0
E NaN
Name: demo, dtype: float64
'''
# 为 索引 命名
s6.index.name = 'demo index'
print(s6)
'''
demo index
A 1.0
B 2.0
C 3.0
D 4.0
E NaN
Name: demo, dtype: float64
'''
|