pandas的數(shù)據(jù)結(jié)構(gòu)介紹 — Series

Series

Series是一種類似于一維數(shù)組的對象混滔,它由一組數(shù)據(jù)(各種NumPy數(shù)據(jù)類型)以及一組與之相關的數(shù)據(jù)標簽(即索引)組成憋活。僅由一組數(shù) 據(jù)即可產(chǎn)生最簡單的Series

obj = pd.Series([4, 7, -5, 3]) 

Series的字符串表現(xiàn)形式為:索引在左邊待德,值在右邊巩剖。由于我們沒 有為數(shù)據(jù)指定索引,于是會自動創(chuàng)建一個0到N1(N為數(shù)據(jù)的長度)的 整數(shù)型索引

可以通過Series 的values和index屬性獲取其數(shù)組表示 形式和索引對象

In [6]: obj.values 
Out[6]: array([ 4, 7, -5, 3]) 
In [7]: obj.index 
Out[7]: Int64Index([0, 1, 2, 3])   

創(chuàng)建的Series帶有一個可以對各個數(shù)據(jù)點進行 標記的索引

In [8]: obj2 = pd.Series([4, 7, -5, 3], index=['d', 'b', 'a', 'c']) 
In [9]: obj2 
Out[9]: d 4 
        b 7 
        a -5
        c 3 
In [10]: obj2.index 
Out[10]: Index([d, b, a, c], dtype=object)

通過索引的方式選取Series中的 單個或一組值

NumPy數(shù)組運算(如根據(jù)布爾型數(shù)組進行過濾遮怜、標量乘法鲜滩、應用 數(shù)學函數(shù)等)都會保留索引和值之間的鏈接

obj2[obj2>0]
d    4
b    7
c    3
dtype: int64

obj2*2
d     8
b    14
a   -10
c     6
dtype: int64

如果數(shù)據(jù)被存放在一個Python字典中伴鳖,也可以直接通過這個字典 來創(chuàng)建Series

In [20]: sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000} 
In [21]: obj3 = pd.Series(sdata)
In [22]: obj3 
Out[22]: Ohio 35000 
         Oregon 16000 
         Texas 71000 
         Utah 5000

如果只傳入一個字典,則結(jié)果Series中的索引就是原字典的鍵(有序排列)

In [23]: states = ['California', 'Ohio', 'Oregon', 'Texas'] 
In [24]: obj4 = pd.Series(sdata, index=states) #值徙硅,鍵
In [25]: obj4 
Out[25]: California NaN Ohio 35000 Oregon 16000 Texas 71000

在pandas中榜聂,它用于表 示缺失或NA值)。我將使用缺失(missing)或NA表示缺失數(shù)據(jù)嗓蘑。pandas 的isnull和notnull函數(shù)可用于檢測缺失數(shù)據(jù)

In [26]: pd.isnull(obj4) In [27]: pd.notnull(obj4)

In [28]: obj4.isnull()

Series最重要的一個功能是:它在算術運算中 會自動對齊不同索引的數(shù)據(jù)

obj3
Ohio      35000
Texas     71000
Oregon    16000
Utah       5000
dtype: int64

obj4
California        NaN
Ohio          35000.0
Oregon        16000.0
Texas         71000.0
dtype: float64

obj3+obj4
California         NaN
Ohio           70000.0
Oregon         32000.0
Texas         142000.0
Utah               NaN
dtype: float64

Series對象本身及其索引都有一個name屬性

In [32]: obj4.name = 'population' 
In [33]: obj4.index.name = 'state' 
In [34]: obj4 
Out[34]: state California NaN Ohio 35000 Oregon 16000 Texas 71000 Name: population

Series的索引可以通過賦值的方式就地修改

?著作權歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末须肆,一起剝皮案震驚了整個濱河市匿乃,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌豌汇,老刑警劉巖幢炸,帶你破解...
    沈念sama閱讀 222,681評論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異瘤礁,居然都是意外死亡阳懂,警方通過查閱死者的電腦和手機梅尤,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,205評論 3 399
  • 文/潘曉璐 我一進店門柜思,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人巷燥,你說我怎么就攤上這事赡盘。” “怎么了缰揪?”我有些...
    開封第一講書人閱讀 169,421評論 0 362
  • 文/不壞的土叔 我叫張陵陨享,是天一觀的道長。 經(jīng)常有香客問我钝腺,道長抛姑,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 60,114評論 1 300
  • 正文 為了忘掉前任艳狐,我火速辦了婚禮定硝,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘毫目。我一直安慰自己蔬啡,他們只是感情好,可當我...
    茶點故事閱讀 69,116評論 6 398
  • 文/花漫 我一把揭開白布镀虐。 她就那樣靜靜地躺著箱蟆,像睡著了一般。 火紅的嫁衣襯著肌膚如雪刮便。 梳的紋絲不亂的頭發(fā)上空猜,一...
    開封第一講書人閱讀 52,713評論 1 312
  • 那天,我揣著相機與錄音恨旱,去河邊找鬼辈毯。 笑死,一個胖子當著我的面吹牛窖杀,可吹牛的內(nèi)容都是我干的漓摩。 我是一名探鬼主播,決...
    沈念sama閱讀 41,170評論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼入客,長吁一口氣:“原來是場噩夢啊……” “哼管毙!你這毒婦竟也來了腿椎?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 40,116評論 0 277
  • 序言:老撾萬榮一對情侶失蹤夭咬,失蹤者是張志新(化名)和其女友劉穎啃炸,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體卓舵,經(jīng)...
    沈念sama閱讀 46,651評論 1 320
  • 正文 獨居荒郊野嶺守林人離奇死亡南用,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,714評論 3 342
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了掏湾。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片裹虫。...
    茶點故事閱讀 40,865評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖融击,靈堂內(nèi)的尸體忽然破棺而出筑公,到底是詐尸還是另有隱情,我是刑警寧澤尊浪,帶...
    沈念sama閱讀 36,527評論 5 351
  • 正文 年R本政府宣布匣屡,位于F島的核電站,受9級特大地震影響拇涤,放射性物質(zhì)發(fā)生泄漏捣作。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 42,211評論 3 336
  • 文/蒙蒙 一鹅士、第九天 我趴在偏房一處隱蔽的房頂上張望券躁。 院中可真熱鬧,春花似錦如绸、人聲如沸嘱朽。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,699評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽搪泳。三九已至,卻和暖如春扼脐,著一層夾襖步出監(jiān)牢的瞬間岸军,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,814評論 1 274
  • 我被黑心中介騙來泰國打工瓦侮, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留艰赞,地道東北人。 一個月前我還...
    沈念sama閱讀 49,299評論 3 379
  • 正文 我出身青樓肚吏,卻偏偏與公主長得像方妖,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子罚攀,可洞房花燭夜當晚...
    茶點故事閱讀 45,870評論 2 361

推薦閱讀更多精彩內(nèi)容