欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

pandas中Series的代碼實(shí)例解析

 更新時(shí)間：2023年07月06日 10:10:32   作者：程序～源  
這篇文章主要介紹了pandas中Series的代碼實(shí)例解析,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,需要的朋友可以參考下

pandas中Series的創(chuàng)建

引用數(shù)據(jù)庫

import pandas as pd
s=pd.Series( data, index, dtype, copy，name)
參數(shù)名稱描述
data輸入的數(shù)據(jù)，可以是列表、常量、ndarray 數(shù)組等。
index索引值必須是惟一的，如果沒有傳遞索引，則默認(rèn)為 np.arrange(n)。
dtypedtype表示數(shù)據(jù)類型，如果沒有提供，則會(huì)自動(dòng)判斷得出。
copy表示對 data 進(jìn)行拷貝，默認(rèn)為 False。
name接收string或list。表示Series對象的名稱。默認(rèn)為None

1）用python中的列表list創(chuàng)建：

import pandas as pd
my_list=[1,2,3,4]
my_Series=pd.Series(my_list)
print(my_list)

輸出結(jié)果如下：

0    1
1    2
2    3
3    4
dtype: int64

2）用numpy數(shù)組創(chuàng)建

import pandas as pd
import numpy as np
my_array=np.array([1,2,3,4])
s=pd.Series(my_array)
print(s)

輸出結(jié)果如下：

0    1
1    2
2    3
3    4
dtype: int32

3）用python中的字典dict創(chuàng)建：

import pandas as pd
data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data)
print(s)

輸出結(jié)果如下：

a 0.0
b 1.0
c 2.0
dtype: float64

4）標(biāo)量創(chuàng)建Series對象：

如果 data 是標(biāo)量值，則必須提供索引，示例如下：

import pandas as pd
s = pd.Series(5, index=[0, 1, 2, 3])
print(s)

輸出如下：

0  5
1  5
2  5
3  5
dtype: int64

5）為index參數(shù)傳遞索引：

以上面的dict方法舉例：

import pandas as pd
data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data,index=['b','c','d','a'])
print(s)

輸出結(jié)果如下：

b 1.0
c 2.0
d NaN
a 0.0
dtype: float64

其中需要注意的是索引沒有匹配值時(shí)會(huì)返回NAN值

pandas中Series的訪問

# 訪問Series中數(shù)據(jù)的兩種方法
import pandas as pd
s1 = pd.Series([ 75, 90, 61],index=['張三', '李四', '陳五'])
print(s1[0])             #通過元素儲(chǔ)存位置訪問
print(s1['張三'])         #通過指定索引訪問
# 結(jié)果均為 75

1）切片操作

數(shù)據(jù)切片的概念源于Numpy數(shù)組，Series對象使用類似NumPy中ndarray的數(shù)據(jù)訪問方法實(shí)現(xiàn)切片操作。

#Series的切片操作
import pandas as pd
s1 = pd.Series([ 75, 90, 61, 59],index=['a', 'b', 'c', 'd']) 
s1[1:3]

2） 通過bool數(shù)組訪問Series數(shù)據(jù)

import pandas as pd
import numpy as np
my_array=np.array([1,2,3,4])
s=pd.Series(my_array,['a','b','c','d'])
print(s)
print(s[s.index>'a'])

輸出：

a    1
b    2
c    3
d    4
dtype: int32
b    2
c    3
d    4
dtype: int32

3）數(shù)據(jù)修改

可以直接通過賦值的方法修改Series中的對應(yīng)值。

# 修改Series中的值
import pandas as pd
s1 = pd.Series([ 75, 90, 61],index=['張三', '李四', '陳五'])
s1['張三'] = 60         #通過指定索引訪問
s1[1] = 60            #通過元素儲(chǔ)存位置訪問
print(s1)

輸出數(shù)據(jù)：

張三    60
李四    60
陳五    61
dtype: int64

4）算術(shù)運(yùn)算

Pandas會(huì)根據(jù)索引index索引對相應(yīng)數(shù)據(jù)進(jìn)行計(jì)算。如代碼所示，可以直接對Series結(jié)構(gòu)進(jìn)行加減乘除運(yùn)算符，當(dāng)出現(xiàn)index不匹配的情況時(shí)會(huì)輸出NaN。

import pandas as pd
sr1 = pd.Series([1, 2, 3, 4],['a','b','c','d'])
sr2 = pd.Series([1, 5, 8, 9],['a','c','e','f'])
print(sr2 - sr1)

輸出：

a    0.0
b    NaN
c    2.0
d    NaN
e    NaN
f    NaN
dtype: float64

pandas中Series的常用屬性

名稱屬性
axes以列表的形式返回所有行索引標(biāo)簽。
dtype返回對象的數(shù)據(jù)類型。
empty返回一個(gè)空的 Series 對象。
ndim返回輸入數(shù)據(jù)的維數(shù)。
size返回輸入數(shù)據(jù)的元素?cái)?shù)量。
values以 ndarray 的形式返回 Series 對象。
index返回一個(gè)RangeIndex對象，用來描述索引的取值范圍。
  • values ： 以 ndarray 的形式返回 Series 對象。
import pandas as pd
import numpy as np
s = pd.Series(np.random.randn(6))
print(s)
print("輸出series中數(shù)據(jù)")
print(s.values)

輸出：

0   -0.502100
1    0.696194
2   -0.982063
3    0.416430
4   -1.384514
5    0.444303
dtype: float64
輸出series中數(shù)據(jù)
[-0.50210028  0.69619407 -0.98206327  0.41642976 -1.38451433  0.44430257]

  • axes： 以列表的形式返回所有行索引標(biāo)簽。
import pandas as pd
import numpy as np
s = pd.Series(np.random.randn(5))
print ("The axes are:")
print(s.axes)

輸出：

The axes are:
[RangeIndex(start=0, stop=5, step=1)]

Series常用方法

1）統(tǒng)計(jì)方法

2）追加Series和插入單個(gè)值

類似list，通過append方法能夠在原Series上插入（追加）新的Series。若只在原Series上插入單個(gè)值，則采用賦值方式即可

import pandas as pd
list1 = [0, 1, 2, 3, 4]
series = pd.Series(list1, index = ['a', 'b', 'c', 'd', 'e'])
series1 = pd.Series([4, 5], index = ['f', 'g'])
# 追加Series
print('在series插入series1后為：\n', series.append(series1))

輸出：

在series插入series1后為：
a    3
b    1
c    2
d    3
e    4
f    4
g    5
dtype: int64

3）刪除Series元素

import pandas as pd
list1 = [0, 1, 2, 3, 4]
series = pd.Series(list1, index = ['a', 'b', 'c', 'd', 'e'])
series.drop('e', inplace = True)
print( series)

輸出：

a    0
b    1
c    2
d    3
dtype: int64

4）unique()與nunique()的用法

unique()返回去重后的元素值

import pandas as pd
list1 = [0, 1, 2, 4, 4]
series = pd.Series(list1, index = ['a', 'b', 'c', 'd', 'e'])
print(series.unique())

輸出：

[0 1 2 4]

nunique()返回去重后的元素個(gè)數(shù)

import pandas as pd
list1 = [0, 1, 2, 4, 4]
series = pd.Series(list1, index = ['a', 'b', 'c', 'd', 'e'])
print(series.nunique())

輸出：

4

value_counts(),求不同元素的個(gè)數(shù)

import pandas as pd
list1 = [0, 1, 2, 4, 4]
series = pd.Series(list1, index = ['a', 'b', 'c', 'd', 'e'])
print(series.value_counts())

輸出：

4    2
0    1
1    1
2    1
dtype: int64

value_counts(),求不同元素的個(gè)數(shù)

import pandas as pd
list1 = [0, 1, 2, 4, 4]
series = pd.Series(list1, index = ['a', 'b', 'c', 'd', 'e'])
print(series.value_counts())

輸出：

4    2
0    1
1    1
2    1
dtype: int64

到此這篇關(guān)于pandas中Series的代碼實(shí)例解析的文章就介紹到這了,更多相關(guān)pandas的Series實(shí)例內(nèi)容請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！

相關(guān)文章

  • python3安裝及pip3報(bào)ERROR:No?matching?distribution?found?for解決方法

    python3安裝及pip3報(bào)ERROR:No?matching?distribution?found?for解

    這篇文章主要給大家介紹了關(guān)于python3安裝及pip3報(bào)ERROR:No?matching?distribution?found?for解決的相關(guān)資料,文中通過代碼以及圖文介紹的非常詳細(xì),需要的朋友可以參考下
    2023-08-08
  • 解決Python中字符串和數(shù)字拼接報(bào)錯(cuò)的方法

    解決Python中字符串和數(shù)字拼接報(bào)錯(cuò)的方法

    相信很多的新手朋友都會(huì)碰到python連接字符串和數(shù)字的問題，因?yàn)閜ython是強(qiáng)類型的語言，如果你把一個(gè)字符串和數(shù)字直接做連接的操作的話，就會(huì)直接報(bào)錯(cuò)的，今天就給大家說下字符串和數(shù)字拼接的問題，有需要的朋友們可以參考借鑒。
    2016-10-10
  • Python 有可能刪除 GIL 嗎？

    Python 有可能刪除 GIL 嗎？

    這篇文章主要介紹了Python 有可能刪除 GIL 嗎，幫助大家更好的理解和學(xué)習(xí)使用python，感興趣的朋友可以了解下
    2021-03-03
  • Python實(shí)現(xiàn)識別花卉種類的示例代碼

    Python實(shí)現(xiàn)識別花卉種類的示例代碼

    “無窮小亮的科普日?！苯?jīng)常會(huì)發(fā)布一些鑒定網(wǎng)絡(luò)熱門生物視頻，既科普了生物知識，又滿足觀眾們的獵奇心理。今天我們也來用Python鑒定一下網(wǎng)絡(luò)熱門植物
    2022-04-04
  • python中wordcloud安裝的方法小結(jié)

    python中wordcloud安裝的方法小結(jié)

    這篇文章主要介紹了安裝python中wordcloud的幾種方法,本文通過圖文并茂的形式給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下
    2022-06-06
  • Python+OpenCV實(shí)現(xiàn)旋轉(zhuǎn)文本校正方式

    Python+OpenCV實(shí)現(xiàn)旋轉(zhuǎn)文本校正方式

    今天小編就為大家分享一篇Python+OpenCV實(shí)現(xiàn)旋轉(zhuǎn)文本校正方式，具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-01-01
  • python logging 重復(fù)寫日志問題解決辦法詳解

    python logging 重復(fù)寫日志問題解決辦法詳解

    這篇文章主要介紹了python logging 重復(fù)寫日志問題解決辦法詳解，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2020-08-08
  • python實(shí)現(xiàn)購物車小程序

    python實(shí)現(xiàn)購物車小程序

    這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)購物車小程序，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
    2022-02-02
  • 淺析Python中將單詞首字母大寫的capitalize()方法

    淺析Python中將單詞首字母大寫的capitalize()方法

    這篇文章主要介紹了淺析Python中將單詞首字母大寫的capitalize()方法,是Python入門中的基礎(chǔ)知識,需要的朋友可以參考下
    2015-05-05
  • Go1.16引入目錄遍歷優(yōu)化解析

    Go1.16引入目錄遍歷優(yōu)化解析

    Go1.16版本中,對目錄遍歷進(jìn)行了顯著的優(yōu)化,新增的接口os.ReadDir、(*os.File).ReadDir和filepath.WalkDir使用fs.DirEntry代替os.FileInfo,減少了系統(tǒng)調(diào)用次數(shù),提高了遍歷效率,測試顯示,優(yōu)化后的遍歷速度比原先快了480%
    2024-10-10

最新評論