1、list、ndarray、Series的簡單比較

① list列表，列表中的元素可以是不同的數(shù)據(jù)類型，使用從0開始的整數(shù)值作為默認(rèn)索引；

② ndarray數(shù)組，數(shù)組中的元素必須是同種數(shù)據(jù)類型，也是使用從0開始的整數(shù)值作為默認(rèn)索引；

③ Series序列，是一種一維的結(jié)構(gòu)，類似于一維列表和ndarray中的一維數(shù)組，但是功能比他們要更為強(qiáng)大，Series由兩部分組成：索引index和數(shù)值values；

④ 一維列表和一維數(shù)組中都是采用從0開始的整數(shù)值作為默認(rèn)索引，索引值一般不顯示的給出，但是我們可以通過索引去獲取其中的元素。對(duì)于Series來說，默認(rèn)索引也是從0開始的整數(shù)值作為默認(rèn)索引，但是是顯示地給出，更為強(qiáng)大的是，Series中的索引可以隨意設(shè)置，方便我們?nèi)?shù)。

操作如下：

 import numpy as np
 import pandas as pd
 l1 = [1,2,"中國",4.5]
 display(l1)
 display(l1[2])
 a1 = np.array([1,2,5,6,8])
 display(a1)
display(a1[4])
s1 = pd.Series([1,3,5,7,9])
display(s1)
display(s1[4])
s2 = pd.Series([1,3,5,7,9],index=["a","b","c","d","e"])
display(s2)
display(s2["d"])
display(s2[3])
s3 = pd.Series([1,3,5,7,9],index=[3,4,5,6,7])
display(s3)
display(s3[6])

結(jié)果如下：

通過上述測試，我們可以總結(jié)出來這第5條結(jié)論：

⑤ 創(chuàng)建Series序列時(shí)，當(dāng)不指定索引的時(shí)候，默認(rèn)會(huì)生成從0開始的整數(shù)索引；當(dāng)指定了“字符串索引”(也叫“標(biāo)簽索引”)，既可以通過這個(gè)字符串索引訪問元素，也可以通過原有的從0開始的整數(shù)索引訪問元素；當(dāng)指定一個(gè)“整數(shù)索引”，那么該索引會(huì)覆蓋掉原有的默認(rèn)的整數(shù)索引，只能通過這個(gè)新的整數(shù)索引訪問元素，默認(rèn)的整數(shù)索引會(huì)失效。

2、Series的5種常用創(chuàng)建方式

• 語法：創(chuàng)建Series的語法：pd.Series()
• 常用參數(shù)：index，用于指定新的索引；dtype，用于指定元素的數(shù)據(jù)類型；
• 大前提：要記住Series是一個(gè)一維的結(jié)構(gòu)?。。?/li>
• 注意：當(dāng)你指定了索引，系統(tǒng)會(huì)使用這個(gè)指定索引；當(dāng)你沒有指定索引，系統(tǒng)會(huì)默認(rèn)給我們創(chuàng)建索引。

1）通過一維列表創(chuàng)建Series

x = [1,3,5,7,9]
y = pd.Series(x)
display(y)
y1 = pd.Series(x,index=["a","b","c","d","e"],dtype=np.float32)
display(y1)

結(jié)果如下：

2）通過可迭代對(duì)象創(chuàng)建Series

x = range(2,7)
y = pd.Series(x)
display(y)

結(jié)果如下：

3）通過字典創(chuàng)建Series

x = dict(a=22,b=18,c=35)
y = pd.Series(x)
display(y)
x1 = pd.Series({"a":1,"b":2,"c":3})
display(x1)

結(jié)果如下：

4）通過一維數(shù)組創(chuàng)建Series

x = np.arange(1,6)
y = pd.Series(x)
display(y)

結(jié)果如下：

5）通過標(biāo)量(常數(shù))創(chuàng)建Series

x = 22
y1 = pd.Series(x)
display(y1)
y2 = pd.Series(x,index=list(range(5)))
display(y2)

結(jié)果如下：

注意：創(chuàng)建一個(gè)含有相同元素的Series，元素的個(gè)數(shù)取決于我們?cè)O(shè)置的索引的個(gè)數(shù)。

3、Series中常用屬性說明

1）Series和ndarray中常用屬性對(duì)比

 * ndim          返回Series的維數(shù)；
 * shape         返回Series的形狀；
 * dtype         返回Series中元素的數(shù)據(jù)類型；
 * size          返回Series中元素的個(gè)數(shù)；
 * itemsize      返回Series中每一個(gè)元素占用空間的大小，
                 以字節(jié)為單位；
 * nbytes        返回Series中所有元素占用空間的大小，
                 以字節(jié)為單位；
 * T             返回Series的轉(zhuǎn)置結(jié)果；
#注意：下面這3個(gè)屬性，在Series中才有。
* index         返回Series中的索引；
* values        返回Series中的數(shù)值；
* name          返回Series的名稱  或  返回Series索引的名稱；

* ndim          返回?cái)?shù)組的維數(shù)；
* shape         返回?cái)?shù)組的形狀；
* dtype         返回?cái)?shù)組元素的數(shù)據(jù)類型；
* size          返回?cái)?shù)組中元素的個(gè)數(shù)；
* itemsize      返回?cái)?shù)組中每一個(gè)元素占用空間的大小，以字節(jié)為單位；
* nbytes        返回?cái)?shù)組中所有元素占用空間的大小，以字節(jié)為單位；
* T             返回?cái)?shù)組元素的轉(zhuǎn)置結(jié)果；

操作如下：

s = pd.Series([1,3,5,7,9])
display(s)
display(s.ndim)
display(s.shape)
display(s.dtype)
display(s.size)
display(s.itemsize)
display(s.nbytes)
display(s.T)

結(jié)果如下：

注意：

由于Series是一維的結(jié)構(gòu)，因此Series的ndim的值肯定是1；

2）Series中特有的幾個(gè)屬性：index、values、name

① index和values屬性

x = pd.Series([1,3,5,7,9])
display(x)
display(x.index)
display(x.values)

結(jié)果如下：

② name屬性：動(dòng)態(tài)創(chuàng)建Serie名稱和Series索引名稱

x = pd.Series([1,3,5,7,9])
display(x)
x.name = "Series的名稱"
x.index.name= "Series索引的名稱"
display(x)
display(x.name)
display(x.index.name)

結(jié)果如下：

③ 在創(chuàng)建Series的時(shí)候，指定Series名稱

y = pd.Series([1,3,5,7,9],index=["a","b","c","d","e"],name="Series的名稱")
display(y)
display(y.index.name)
display(y.name)

結(jié)果如下：

注意：目前可能看不出來，指定這個(gè)索引名稱的好處在哪里，這個(gè)在學(xué)習(xí)DataFrame的時(shí)候，會(huì)得到很好的體現(xiàn)。

如果多個(gè)series放在了一起，那么必然可以構(gòu)建成一個(gè)dataframe，那么每個(gè)series的名稱就是構(gòu)成當(dāng)前這個(gè)dataframe的column。(仔細(xì)先體會(huì)這段話)

下面，我們先用一個(gè)簡單的例子，說明一下Serie名稱的作用。

從上圖中可以看出，In[6]我們先創(chuàng)建了一個(gè)dataframe，這個(gè)dataframe可以看作是由三個(gè)Series堆積而成的。In[8]我們選取了其中一列，那么得到的就是一個(gè)Series，  In[9]我們獲取這個(gè)Series的name，可以看出結(jié)果就是該列的column列名。

到此這篇關(guān)于關(guān)于Pandas的Series創(chuàng)建方式和常用屬性的文章就介紹到這了,更多相關(guān)Pandas的Series創(chuàng)建方式內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論