pythonpandas数据类型（Python3.5 Pandas模块之Series用法实例分析）

pythonpandas数据类型

Python3.5 Pandas模块之Series用法实例分析

本文实例讲述了python3.5 pandas模块之series用法。分享给大家供大家参考，具体如下：

1、pandas模块引入与基本数据结构

2、series的创建

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37

#!/usr/bin/env python # -*- coding:utf-8 -*- # author:zhengzhengliu   #模块引入 import numpy as np import pandas as pd from pandas import series,dataframe   #1.series通过numpy一维数组创建 print("=========series通过numpy一维数组创建==========") arr = np.array([1,2,3,4,5]) s1 = pd.series(arr) print(s1) print(s1.index) print(s1.values)   #2.series直接通过一维数组创建 print("=========series直接通过一维数组创建==========") s2 = pd.series([10.5,20,38,40]) print(s2) #修改索引值 s2.index = ['a','b','c','d'] print(s2)   #series通过一维数组创建，可以在创建的同时自定义索引值， # 也可以之后通过赋值的形式去修改 print("=========series创建的同时自定义索引值和数据类型==========") s3 = pd.series(data=[89,78,90,87],dtype=np.float64,         index=['语文','数学','英语','科学']) print(s3)   #3.series通过字典创建,字典的键对应索引，值对应数据 print("=========series通过字典创建==========") dict = {'a':1,'b':2,"c":3,"d":4} s4 = pd.series(dict) print(s4)

运行结果：

=========series通过numpy一维数组创建==========
0    1
1    2
2    3
3    4
4    5
dtype: int32
rangeindex(start=0, stop=5, step=1)
[1 2 3 4 5]
=========series直接通过一维数组创建==========
0    10.5
1    20.0
2    38.0
3    40.0
dtype: float64
a    10.5
b    20.0
c    38.0
d    40.0
dtype: float64
=========series创建的同时自定义索引值和数据类型==========
语文    89.0
数学    78.0
英语    90.0
科学    87.0
dtype: float64
=========series通过字典创建==========
a    1
b    2
c    3
d    4
dtype: int64

3、series值的获取

?

1 2 3 4 5 6 7 8 9 10 11 12 13

#模块引入 import numpy as np import pandas as pd from pandas import series,dataframe   #4.series值的获取 print("=========series值的获取==========") s2 = pd.series([10.5,20,38,40]) #修改索引值 s2.index = ['a','b','c','d'] print(s2) print(s2[0])    #方括号+下标值的形式获取series值 print(s2["a"])   #方括号+索引的形式获取series值

运行结果：

=========series值的获取==========
a    10.5
b    20.0
c    38.0
d    40.0
dtype: float64
10.5
10.5

4、series运算

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

#模块引入 import numpy as np import pandas as pd from pandas import series,dataframe   #5.series值的运算 #series中元素级别的运算结果，包含索引值并且键值关系保持不变 print("=========series值的运算==========") s6 = pd.series({'a':1,'b':2,"c":3,"d":4}) print(s6) print("=========打印series大于2的值==========") print(s6[s6>2]) print("=========打印series的值除以2==========") print(s6/2)   #numpy中的通用函数在series中也支持 s7= pd.series([1,2,-3,-4]) print(np.exp(s7))

运行结果：

=========series值的运算==========
a    1
b    2
c    3
d    4
dtype: int64
=========打印series大于2的值==========
c    3
d    4
dtype: int64
=========打印series的值除以2==========
a    0.5
b    1.0
c    1.5
d    2.0
dtype: float64
0    2.718282
1    7.389056
2    0.049787
3    0.018316
dtype: float64

5、series缺失值检验

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

#模块引入 import numpy as np import pandas as pd from pandas import series,dataframe   #6.series缺失值检验 scores = series({"a":88,"b":79,"c":98,"d":100}) print(scores)   new = ["a","b","e","c","d"] scores = series(scores,index=new) print(scores)   print("======过滤出为缺失值的项=======") print(scores.isnull())       #nan值返回true #print(pd.isnull(scores))      #与上面一句等价   print("======过滤出为非缺失值的项=======") print(pd.notnull(scores))      #非nan值返回true

运行结果：

a     88
b     79
c     98
d    100
dtype: int64
a     88.0
b     79.0
e      nan
c     98.0
d    100.0
dtype: float64
======过滤出为缺失值的项=======
a    false
b    false
e     true
c    false
d    false
dtype: bool
======过滤出为非缺失值的项=======
a     true
b     true
e    false
c     true
d     true
dtype: bool

6、series自动对齐

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

#模块引入 import numpy as np import pandas as pd from pandas import series,dataframe   #7.series自动对齐   s8 = series([12,28,46],index=["p1","p2","p3"]) s9 = series([2,4,6,8],index=["p2","p3","p4","p5"]) print("=======s8=======") print(s8) print("=======s9=======") print(s9) print("=======s8+s9=======") print(s8+s9)

运行结果：

=======s8=======
p1    12
p2    28
p3    46
dtype: int64
=======s9=======
p2    2
p3    4
p4    6
p5    8
dtype: int64
=======s8+s9=======
p1     nan
p2    30.0
p3    50.0
p4     nan
p5     nan
dtype: float64

7、series及其索引的name属性

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14

#模块引入 import numpy as np import pandas as pd from pandas import series,dataframe   #8.series及其name属性 s10 = series({"jack":18,"amy":20,"lili":23,"susan":15}) print(s10)   print("=======设置name属性后=======") s10.name = "年龄"    #数据名称标签 s10.index.name = "姓名"    #索引名称标签   print(s10)

运行结果：

amy      20
jack     18
lili     23
susan    15
dtype: int64
=======设置name属性后=======
姓名
amy      20
jack     18
lili     23
susan    15
name: 年龄, dtype: int64

希望本文所述对大家python程序设计有所帮助。

原文链接：https://blog.csdn.net/loveliuzz/article/details/78498077