利用python数据分析panda学习笔记之Series

1 Series

　　a：类似一维数组的对象，每一个数据与之相关的数据标签组成

　　b:生成的左边为索引，不指定则默认从0开始。

1 from pandas import Series,DataFrame
2 import pandas as pd
3 #series 一组数据与相关得数据标签组成
4 obj=Series([4,7,-5,3])
5 obj#索引在左边 值在右边

c:可以通过values和index属性获取数组的表示形式和索引对象

1 obj.values#array([ 4,  7, -5,  3], dtype=int64)
2 obj.index

d:跟定索引值

1 obj2=Series([4,7,-5,3],index=[‘d‘,‘b‘,‘a‘,‘c‘])
2 obj2
3 obj2.index

e:通过索引值得到值

1 obj2[‘a‘]
2 obj2[[‘c‘,‘a‘,‘d‘]]
3 obj2[obj2>0]

f:如果数据在python字典中 可以直接通过字典来创建Series

1 sdata={‘ohio‘:35000,‘Texas‘:71000,‘Oregon‘:16000,‘Utah‘:5000}
2 obj3=Series(sdata)
3 obj3

g:Series中非常重要的功能就是在多个Series运算的时候会自动匹配相同的索引进行操作

 1 #如果数据在Python字典中 可以直接通过这个字典来创建Series
 2 sdata={‘ohio‘:35000,‘Texas‘:7100,‘Oregon‘:1600,‘Utah‘:5000}
 3 obj3=Series(sdata)
 4 obj3
 5
 6 #如果只是传入一个字典 那么结果Series中索引就是字典得键 缺失为nan
 7 states=[‘California‘,‘ohio‘,‘Oregon‘,‘Texas‘]
 8 obj4=Series(sdata,index=states)
 9
10 #使用isnull notnull判断缺失值
11
12
13 #Series中一个非常重要的功能就是在算数运算中自动对其不同索引得数据
14 obj3
15 obj4
16 obj3+obj4

　　h:series中有个特别的属性 name属性

1 bj4.name=‘population‘
2 obj4.index.name=‘state‘
3 ob