009 pandas的Series

一:创建

1.通过Numpy数组创建

  

2.属性查看

  

3.一维数组创建(与numpy的创建一样)

  

4.通过字典创建

  

二:应用Numpy数组运算

1.获取值

  numpy的数组运算,在Series中都被保留、

  

2.运算

  

三:Series缺失值检测

1.isnull与notnull

  返回布尔类型的Series。

  

四:Series自动对齐

1.说明

  不同的Series之间进行算术运算,会自动对齐不同索引的数据

2.测试

  怎么乘,都会自动对齐相乘。

  

五:Series的索引

1.说明

  不管是Series还是DataFrame,都有索引对象

  索引对象负责管理轴标签与其他元数据

  可以通过索引取值,或者重新复制

  自动对齐其实就是通过索引进行的

2.测试

  切片取值

  

  重新复赋值

  

原文地址:https://www.cnblogs.com/juncaoit/p/9652676.html

时间: 2024-11-10 15:19:47

009 pandas的Series的相关文章

Pandas之Series和Dataframe

# Series 数据结构 # Series 是带有标签的一维数组,可以保存任何数据类型(整数,字符串,浮点数,Python对象等),轴标签统称为索引 import numpy as np import pandas as pd # 导入numpy.pandas模块 s = pd.Series(np.random.rand(5)) print(s) print(type(s)) # 查看数据.数据类型 print(s.index,type(s.index)) print(s.values,typ

pandas操作Series和DataFrame的基本功能

reindex:重新索引 pandas对象有一个重要的方法reindex,作用:创建一个适应新索引的新对象 以Series为例 1 >>> series_obj = Series([4.5,1.3,5,-5.5],index=('a','b','c','d')) 2 >>> series_obj 3 a 4.5 4 b 1.3 5 c 5.0 6 d -5.5 7 dtype: float64 8 >>> obj2 = series_obj.reind

pandas中Series对象和DataFrame对象的索引

1.Series obj = pd.Series(range(5),index=['a','a','b','b','c']) #pandas支持重复索引 可以直接用Series['索引名']:obj['a'] 也可以使用obj.a loc和iloc同样适用 2.DataFrame frame = pd.DataFrame(np.arange(12).reshape(3,4),index=['one','two','three'],columns=['a','b','c','d') 使用DataF

Pandas 学习 第2篇:pandas 的 Series

pandas是基于NumPy构建的模块,含有使数据分析更快更简单的操作工具和数据结构,最常用的数据结构是:序列Series和数据框DataFrame. 序列是具有单一类型的一维数组,表示多行一列的数据结构,由于一列中的元素必须是相同的,因此,序列中的数据具有相同的数据类型:行具有索引和行标签属性,每行都有一个索引和行标签.而DataFrame类似于二维的关系表,每列的数据类型是相同的. 一,pandas的数据类型 用dtype属性来显示元素的数据类型,pandas主要有以下几种dtype: ob

pandas之Series

一.创建Series 参数 - Series (Series)是能够保存任何类型的数据(整数,字符串,浮点数,Python对象等)的一维标记数组.轴标签统称为索引. - data 参数 - index 索引 索引值必须是唯一的和散列的,与数据的长度相同. 默认np.arange(n)如果没有索引被传递. - dtype 输出的数据类型 如果没有,将推断数据类型 - copy 复制数据 默认为false 数组创建 data = ['a','b','c','d','e'] res= pd.Serie

pandas 的数据结构(Series, DataFrame)

Pandas 讲解 Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的. Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具. pandas提供了大量能使我们快速便捷地处理数据的函数和方法.你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一. Series:一维数组,与Numpy中的一维array类似. 二者与Python基本的数据结构List也

pandas Series KeyError: -1

前几天写分析方法,遇到的一个错误: 具体我已经在stackoverflow 里面得到了详细的解答,下面我把问题和解决办法总结一下,方便日后的回顾 问题: sql = "select {}, {} from {} where {};".format(v1, v2, table, where) df = pd.read_sql(sql, app.config.get('sqlalchemy_engine')) df_dropna = df.dropna() dddd = df_dropna

pandas 学习(1): pandas 数据结构之Series

1. Series Series 是一个类数组的数据结构,同时带有标签(lable)或者说索引(index). 1.1 下边生成一个最简单的Series对象,因为没有给Series指定索引,所以此时会使用默认索引(从0到N-1). # 引入Series和DataFrameIn [16]: from pandas import Series,DataFrame In [17]: import pandas as pd In [18]: ser1 = Series([1,2,3,4]) In [19

pandas DataFrame和Series

Pandas入门-Series和DataFrame 概述:pandas含有使数据分析工作变得更快更简单的高级数据结构和操作工具,pandas是基于Numpy构建的.pandas在过去的几年中逐渐成长为一个非常强大的库. pandas的数据结构介绍 引入pandas >>> from pandas import Series,DataFrame >>> import pandas as pd pandas有两个主要的数据结构:Series和DataFrame. Serie