python-pandas创建Series数据类型的操作的解决办法

内容摘要

这篇文章主要为大家详细介绍了python-pandas创建Series数据类型的操作的简单示例，具有一定的参考价值，可以用来参考一下。

感兴趣的小伙伴，下面一起跟随php教程的雯雯来看看吧

文章正文

这篇文章主要为大家详细介绍了python-pandas创建Series数据类型的操作的简单示例，具有一定的参考价值，可以用来参考一下。

感兴趣的小伙伴，下面一起跟随php教程的雯雯来看看吧！

1.什么是pandas

2.查看pandas版本信息

代码如下：

1 2	`<code>` `print(pd.__version__)</code>`

python-pandas创建Series数据类型的操作

输出：

代码如下：

1 2	`<code>` `0.24.1</code>`

python-pandas创建Series数据类型的操作

3.常见数据类型

常见的数据类型:

- 一维: Series

- 二维: DataFrame

- 三维: Panel …

- 四维: Panel4D …

- N维: PanelND …

4.pandas创建Series数据类型对象

1). 通过列表创建Series对象

代码如下：

<code>
array = ["粉条", "粉丝", "粉带"]
# 如果不指定索引， 默认从0开始;
s1 = pd.Series(data=array)
print(s1)
# 如果不指定索引， 默认从0开始;
ss1 = pd.Series(data=array, index=['A', 'B', 'C'])
print(ss1)</code>

python-pandas创建Series数据类型的操作

输出：

代码如下：

<code>
0    粉条
1    粉丝
2    粉带
dtype: object
A    粉条
B    粉丝
C    粉带
dtype: object</code>

python-pandas创建Series数据类型的操作

2). 通过numpy的对象Ndarray创建Series；

代码如下：

<code>
n = np.random.randn(5)   # 随机创建一个ndarray对象;
s2 = pd.Series(data=n)
print(s2)
# 修改元素的数据类型;
ss2 = s2.astype(np.int)
print(ss2)</code>

python-pandas创建Series数据类型的操作

输出：

代码如下：

<code>
0   -1.649755
1    0.607479
2    0.943136
3   -1.794060
4    1.569035
dtype: float64
0   -1
1    0
2    0
3   -1
4    1
dtype: int64</code>

python-pandas创建Series数据类型的操作

3). 通过字典创建Series对象;

代码如下：

<code>
dict = {string.ascii_lowercase[i]:i for i in range(10)}
s3 = pd.Series(dict)
print(s3)</code>

python-pandas创建Series数据类型的操作

输出：

代码如下：

<code>
a    0
b    1
c    2
d    3
e    4
f    5
g    6
h    7
i    8
j    9
dtype: int64</code>

python-pandas创建Series数据类型的操作

5.Series基本操作

共同部分：

代码如下：

<code>
import pandas as pd
import numpy as np
import  string
 
array = ["粉条", "粉丝", "粉带"]
s1 = pd.Series(data=array)
print(s1)
 
</code>

python-pandas创建Series数据类型的操作

输出：

代码如下：

<code>
0    粉条
1    粉丝
2    粉带
dtype: object</code>

python-pandas创建Series数据类型的操作

1). 修改Series索引.index

代码如下：

<code>
print(s1.index) #输出：RangeIndex(start=0, stop=3, step=1)
s1.index = ['A', 'B', 'C']
print(s1) </code>

python-pandas创建Series数据类型的操作

输出：

代码如下：

<code>
A    粉条
B    粉丝
C    粉带
dtype: object</code>

python-pandas创建Series数据类型的操作

2). Series纵向拼接.append

代码如下：

<code>
s1.index = ['A', 'B', 'C']
array = ["粉条", "粉丝", "粉带"]
# 如果不指定索引， 默认从0开始;
s2 = pd.Series(data=array)
s3 = s1.append(s2)
print(s3)</code>

python-pandas创建Series数据类型的操作

输出：

代码如下：

<code>
A    粉条
B    粉丝
C    粉带
0    粉条
1    粉丝
2    粉带
dtype: object</code>

python-pandas创建Series数据类型的操作

3). 删除指定索引对应的元素.drop(‘index')

代码如下：

<code>
s3 = s3.drop('C')  # 删除索引为‘C'对应的值;
print(s3)</code>

python-pandas创建Series数据类型的操作

输出：

代码如下：

<code>
A    粉条
B    粉丝
0    粉条
1    粉丝
2    粉带
dtype: object</code>

python-pandas创建Series数据类型的操作

4). 根据指定的索引查找元素

代码如下：

<code>
print(s3['B'])   #粉丝
s3['B'] = np.nan #索引B处的值替换为缺失值
print(s3)</code>

python-pandas创建Series数据类型的操作

输出：

代码如下：

<code>
A     粉条
B    NaN
0     粉条
1     粉丝
2     粉带
dtype: object</code>

python-pandas创建Series数据类型的操作

5). 切片操作 — 同列表

代码如下：

<code>
print(s3[:2])  #显示前两个元素
print(s3[::-1]) #逆序
print(s3[-2:])  # 显示最后两个元素</code>

python-pandas创建Series数据类型的操作

输出：

代码如下：

<code>
A     粉条
B    NaN
dtype: object
-------------------------
2     粉带
1     粉丝
0     粉条
B    NaN
A     粉条
dtype: object
-------------------------
1    粉丝
2    粉带
dtype: object</code>

python-pandas创建Series数据类型的操作

6.Series运算

先设置两个Series对象：

代码如下：

<code>
import pandas as pd
import numpy as np
import  string
 
 
s1  = pd.Series(np.arange(5), index=list(string.ascii_lowercase[:5]))
s2  = pd.Series(np.arange(2, 8), index=list(string.ascii_lowercase[2:8]))
 
print(s1)
print(s2)
</code>

python-pandas创建Series数据类型的操作

按照对应的索引进行计算，如果索引不同，则填充为Nan;

1).加法add

代码如下：

<code>
print(s1 + s2)
print(s1.add(s2))</code>

python-pandas创建Series数据类型的操作

输出：

代码如下：

<code>
a    NaN
b    NaN
c    4.0
d    6.0
e    8.0
f    NaN
g    NaN
h    NaN
dtype: float64</code>

python-pandas创建Series数据类型的操作

2).减法sub

代码如下：

<code>
print(s1 - s2)
print(s1.sub(s2))</code>

python-pandas创建Series数据类型的操作

输出：

代码如下：

<code>
a    NaN
b    NaN
c    0.0
d    0.0
e    0.0
f    NaN
g    NaN
h    NaN
dtype: float64</code>

python-pandas创建Series数据类型的操作

3).乘法mul

代码如下：

<code>
print(s1 * s2)
print(s1.mul(s2))</code>

python-pandas创建Series数据类型的操作

输出：

代码如下：

<code>
a     NaN
b     NaN
c     4.0
d     9.0
e    16.0
f     NaN
g     NaN
h     NaN
dtype: float64</code>

python-pandas创建Series数据类型的操作

4).除法div

代码如下：

<code>
print(s1 / s2)
print(s1.div(s2))</code>

python-pandas创建Series数据类型的操作

输出：

代码如下：

<code>
a    NaN
b    NaN
c    1.0
d    1.0
e    1.0
f    NaN
g    NaN
h    NaN
dtype: float64</code>

python-pandas创建Series数据类型的操作

5).求中位数median

代码如下：

1 2	`<code>` `print(s1.median())</code>`

python-pandas创建Series数据类型的操作

输出：

代码如下：

1 2	`<code>` `2.0</code>`

python-pandas创建Series数据类型的操作

6).求和sum

代码如下：

1 2	`<code>` `print(s1.sum())</code>`

python-pandas创建Series数据类型的操作

输出：

代码如下：

1 2	`<code>` `10</code>`

python-pandas创建Series数据类型的操作

7).最大值max

代码如下：

1 2	`<code>` `print(s1.max())</code>`

python-pandas创建Series数据类型的操作

输出：

代码如下：

1 2	`<code>` `4</code>`

python-pandas创建Series数据类型的操作

8).最小值min

代码如下：

1 2	`<code>` `print(s1.min())</code>`

python-pandas创建Series数据类型的操作

输出：

代码如下：

1 2	`<code>` `0</code>`

python-pandas创建Series数据类型的操作

7.特殊的where方法

series中的where方法运行结果和numpy中完全不同

代码如下：

<code>
import pandas as pd
import numpy as np
import string
s1 = pd.Series(np.arange(5), index=list(string.ascii_lowercase[:5]))
print(s1)</code>

python-pandas创建Series数据类型的操作

输出：

代码如下：

<code>
a    0
b    1
c    2
d    3
e    4
dtype: int64</code>

python-pandas创建Series数据类型的操作

代码如下：

1 2	`<code>` `print(s1.where(s1 > 3))</code>`

python-pandas创建Series数据类型的操作

大于3的显示，不大于3的为NaN

代码如下：

<code>
# 对象中小于3的元素赋值为10；
print(s1.where(s1 > 3, 10))
</code>

python-pandas创建Series数据类型的操作

代码如下：

<code>
# 对象中大于3的元素赋值为10；
print(s1.mask(s1 > 3, 10))
</code>

python-pandas创建Series数据类型的操作

以上为个人经验，希望能给大家一个参考，也希望大家多多支持php教程。如有错误或未考虑完全的地方，望不吝赐教。

注：关于python-pandas创建Series数据类型的操作的简单示例的内容就先介绍到这里，更多相关文章的可以留意

代码注释

上一篇 PHP多图片上传类的解决办法下一篇 ThinkPHP中URL路径访问与模块控制器之间的关系的解决办法

作者：喵哥笔记

学的不仅是技术，更是梦想！