pandas的資料結構之series

series是一種類似於一維陣列的物件，由下面兩個部分組成：

1.直接傳入乙個列表

s1 = series([1,2,3,4])

s1

0    1

1 2
2 3
3 4
dtype: int64

檢視series物件的屬性:

s1.index #索引
s1.values

還可以帶上index引數,表示裡這個引數作為索引

s2 = series(data=[1,2,3,4],index=list('
abcd
'))

2.用字典的方式去建立

series()

a 1b 2c 3dtype: int64

顯式索引：

s1 = series(data=[150,150,150,300],index=list('

語數外綜'))
s1語 150數 150外 150綜 300dtype: int64

s1.loc[['

語','
外']] #
同乙個維度 取多個值 要用中括號括起來
s1.loc[['
語','語'
]]s1.loc[['綜
','語']]
s1.loc['語
':'外
'] #
文字索引 切片 開始位置和結束位置都能取到

s2

s2.loc['

b':'
e':2] #
也可以跳著取 2代表的是step
#s2.loc['e':'b':-1] # 注意 如果想倒著取 前面切片的屬性 也得是倒著的

隱式索引：

s2.iloc[0]

#整數陣列形式的索引 通過iloc同樣可以使用
s2.iloc[[2,2,2,2,2]]
s2.iloc[[3,2,1,0]]
s2.loc['a
':'c']
s2.iloc[0:3] #
顯示索引 切片的時候是 包括最後乙個的 隱式索引 不包括最後乙個

可以把series看成乙個定長的有序字典

可以通過shape,size,index,values等得到series的屬性

s2.head()  #

如果不傳引數 預設展示頭5個內容
s2.tail() #
檢視最後的幾個

series中如果值是none，會被轉成nan。並且計算時會被當成0（ndarray不會）

可以使用pd.isnull()，pd.notnull()，或自帶isnull(),notnull() 函式檢測值為none或nan的資料

另外 series物件有乙個name屬性可以用來區分不同的series

(1) 適用於numpy的陣列運算也適用於series

s2

a 1b 2c 3d 4e 5f 6dtype: int64
#s2+2
s2*2a 2b 4c 6d 8e 10f 12dtype: int64

(2) series之間的運算

pandas資料結構之Series

series 是一種類似於一維陣列的物件，它由一組資料和一組與之相關的資料標籤 lable 或者說索引 index 組成。現在我們使用series生成乙個最簡單的series物件，因為沒有給series指定索引，所以此時會使用預設索引 從0到n 1 from pandas import series...

Pandas資料結構之Series

import pandas as pd series類 生成series類的方法 1.obj pd.series 4,7,5,3 obj2 pd.series 4,7,5,3 index a b c d print obj2.values,obj2.index print obj2 a print ...

pandas資料結構之Dataframe

綜述 numpy主要用於進行運算 dataframe更切合於業務邏輯 dataframe的常用的屬性 屬性 說明 shape dataframe的形狀 values dataframe的值,numpy.ndarray index 行索引 index.name 行索引的名字 columns 列索引 c...