Python 【Series: 一维数据对象】-白红宇

Python 【Series: 一维数据对象】

阅读量：3941 次

发布时间：2019-05-24

本文共 2608 字，大约阅读时间需要 8 分钟。

Series: 一维数据对象

今天简单介绍一下series这种数据对象。

Series是一种类似于一维数组的对象，由一组数据和一组与之相关的数据标签（索引)组成，Series比较像列表（数组)和字典的结合体。

1. 准备过程

由于series更适合在ipython的环境进行操作，所以以下代码均是在ipython的环境下进行操作的。如果还没安装ipython的读者，可以参照我前面安装pandas的方法()，pip install ipython安装一下。安装后直接输入ipython启动就好了。启动后,import pandas as pd!

2. 创建方式

# 三种方法# 法一In [5]: pd.Series([4,7,-5,3])Out[5]:0    41    72   -53    3dtype: int64# 法二In [6]: pd.Series([4, 7, -5, 3], index=['a', 'b', 'c', 'd'])Out[6]:a    4b    7c   -5d    3dtype: int64# 法三In [7]: pd.Series({
   'a':1,'b':2})Out[7]:a    1b    2dtype: int64# 获取值数组和索引数组:values属性和index属性In [8]: sr = pd.Series([4, 7, -5, 3], index=['a', 'b', 'c', 'd'])In [9]: sr.valuesOut[9]: array([ 4,  7, -5,  3], dtype=int64)In [10]: sr.indexOut[10]: Index(['a', 'b', 'c', 'd'], dtype='object')

3. Series-使用特性:

1. series支持array的特性（下标)∶   1. 从ndarray创建Series: Series(arr)   2. 与标量运算:sr*2   3. 两个Series运算: sr1+sr2   4. 索引: sr[0], sr[[1,2,4]   5. 切片: sr[O:2]   6. 通用函数: np.abs(sri)   7. 布尔值过滤sr[sr>o]2. Series支持字典的特性(标签)∶   1. 从字典创建Series: Series(dic)    2. in运算: 'a'in sr   3. 键索引: sr['a'], sr[['a','b'，'d']]

4. Series-数据对齐：

举个series相加的例子吧:

In [16]: sr1 = pd.Series([12,23,34],index=['c','a','d'])In [17]: sr2 = pd.Series([11,20,10],index=['d','c','a'])In [18]: sr1+sr2Out[18]:a    33c    32d    45dtype: int64

pandas在进行两个Series对象的运算时，会按索引(标签)进行对齐然后计算，比如上面这个栗子，得到的结果中，索引a的值=sr1[‘a’] + sr2[‘a’] =33，其他两个值也是同样道理。

但是当两个series对象中，其中一个对象中有的索引，而另一个对象没有，相加的时候，该索引的值为NAN如下：

In [19]:  sr1 = pd.Series([12,23,34],index=['c','a','g'])In [20]: sr2 = pd.Series([11,20,10],index=['d','c','a'])In [21]: sr1 + sr2Out[21]:a    33.0c    32.0d     NaNg     NaNdtype: float64

5. 常用函数和方法:

add函数

# 如果直接用的话，那么add是和sr1+sr2效果一样的 In [22]: sr1.add(sr2) Out[22]: a    33.0 c    32.0 d     NaN g     NaN dtype: float64  # 设置一下参数后, 则会被有的那一个值填充: In [23]: sr1.add(sr2, fill_value=0) Out[23]: a    33.0 c    32.0 d    11.0 g    34.0 dtype: float64

缺失数据处理：

法一: 直接删除
首先判断一下是否有缺失值:

sr.isnull()  缺失值的地方返回True，反正返回Falsesr.notnull()  缺失值的地方返回False，反正返回True

In [24]: sr = sr1.add(sr2)In [25]: srOut[25]:a    33.0c    32.0d     NaNg     NaNdtype: float64In [26]: sr.isnull()Out[26]:a    Falsec    Falsed     Trueg     Truedtype: boolIn [27]: sr.notnull()Out[27]:a     Truec     Trued    Falseg    Falsedtype: bool

再把缺失值行给删掉:

# 法一: 用布尔索引In [28]: sr[sr.notnull()]Out[28]:a    33.0c    32.0dtype: float64# 法二: 用sr.dropna()方法In [30]: sr.dropna()Out[30]:a    33.0c    32.0dtype: float64

用值填充:

# 用0填充In [31]: sr.fillna(0)Out[31]:a    33.0c    32.0d     0.0g     0.0dtype: float64 # 用平均值填充In [32]: sr.fillna(sr.mean())Out[32]:a    33.0c    32.0d    32.5g    32.5dtype: float64

就简单介绍到这里吧！

转载地址：http://tfiwi.baihongyu.com/

你可能感兴趣的文章