pandas教程 Pandas的简单入门教程：Series

1.熊猫介绍

熊猫是一个开源的，BSD许可的库，为Python编程语言提供了高性能且易于使用的数据结构和数据分析工具。

2.系列用法

熊猫提供了两种最重要的数据结构类型，系列(一维)和数据框架(二维)。今天，我们将首先介绍系列。

Series是一组索引数组，即由一组数据和相关索引组成的一维数据对象。它类似于numpy中的list和array，但是list中的元素可以是不同的数据类型，而另外两个只能是相同的数据类型。

2.1如何创建系列

通过列表 list 创建 Series通过指定 index 关键字的方式创建带有自定义索引的 Series通过numpy创建 Series通过字典 dict 创建 Seriesimportpandas aspd

importnumpy asnp

s1 = pd。系列([ 10，40，5，90，35，40])

打印(s1)

# 0 10

# 1 40

# 2 5

# 3 90

# 4 35

# 5 40

# dt type:int 64

s2 = pd。系列([ 100，79，65，77]，索引=[“语文”，“英语”，“历史”，“数学”]，名称=‘分数’)

#中文100

#英语79

#历史65

#数学77

#名称:分数，数据类型:int64

s3 = pd。级数(np.linspace(start= 0，stop= 5，num= 5))

打印(s3)

# 0 0.00

# 1 1.25

# 2 2.50

# 3 3.75

# 4 5.00

# dt type:float 64

s4 = pd。系列(np.arange( 10，15))

打印(s4)

# 0 10

# 1 11

# 2 12

# 3 13

# 4 14

# dt type:int 32

D1 = pd。系列({“姓名”:“张三”，“性别”:“男”，“年龄”:20，“身高”:180，“体重”:66})

#名字张三

#性别男性

# 20岁

#高度180

#体重66

# dtype:对象

2.2如何获得级数的性质

index 索引values 值name 名字dtype 类型 print(s1.index)

# RangeIndex(start=0，stop=6，step=1)

打印(s1.values)

# [10 40 5 90 35 40]

打印(s1.name)

#无

打印(s1.dtype)

# int64

打印(s2.index)

# Index(['中文'，'英文'，'历史'，'数学']，dtype='object ')

打印(s2.values)

# [100 79 65 77]

2.3如何获取数据

通过位置获取数据通过索引获取数据 print(s1[ 0])

# 10

#获取价值

打印(s1[ 0: 2])

# 0 10

# 1 40

# dt type:int 64

打印(s1[[ 0，1，2]])

# 0 10

# 1 40

# 2 5

# dt type:int 64

s2["中文"]

# 100

s2[[“英语”、“历史”]]

#英语79

#历史65

# dt type:int 64

打印(S2[S2 . values & gt；70])

#中文100

#英语79

#数学77

#名称:分数，数据类型:int64

打印(s2[s2.index！= '中文'])

#英语79

#历史65

#数学77

#名称:分数，数据类型:int64

d1[ "name"]

#张三

d1[[“姓名”、“身高”、“体重”]]

#名字张三

#高度180

#体重66

# dtype:对象

2.4基本操作

查看描述性统计

打印(s1.values)

# [10 40 5 90 35 40]

打印(s1 .描述)

#计数6.000000

# mean 36.666667

# std 30.276504

#最低5.000000

# 25% 16.250000

# 50% 37.500000

# 75% 40.000000

#最大90.000000

# dt type:float 64

打印(s1.mean) # mean

# 36.666666666666664

打印(s1 .中位数)#中位数

# 37.5

打印(s1.sum) # Sum

# 220

打印(s1.std) #标准偏差

# 30.276503540974915

打印(s1.mode) #模式

# 0 40

# dt type:int 64

打印(s1.value_counts) #每个值的数量

# 40 2

# 35 1

# 5 1

# 90 1

# 10 1

# dt type:int 64

数学操作

importnumpy asnp

打印(s1.values)

# [10 40 5 90 35 40]

打印(s1/2) #将每个值除以2

# 0 5.0

# 1 20.0

# 2 2.5

# 3 45.0

# 4 17.5

# 5 20.0

# dt type:float 64

打印(s1 // 2) #将每个值除以2并向上舍入

# 0 5

# 1 20

# 2 2

# 3 45

# 4 17

# 5 20

# dt type:int 64

打印(s1% 2) #取余数

# 0 0

# 1 0

# 2 1

# 3 0

# 4 1

# 5 0

# dt type:int 64

打印(s1 ** 2) #方形

# 0 100

# 1 1600

# 2 25

# 3 8100

# 4 1225

# 5 1600

# dt type:int 64

Print(np.sqrt(s1)) #查找公式

# 0 3.162278

# # 1 6.324555

# # 2 2.236068

# # 3 9.486833

# # 4 5.916080

# # 5 6.324555

# # dtype: float64

对数打印(np.log(s1)) #

# 0 2.302585

# 1 3.688879

# 2 1.609438

# 3 4.499810

# 4 3.555348

# 5 3.688879

# dt type:float 64

对齐计算

D2 = pd.series ({'a': 10，' b': 40，' c': 5，' d': 90，' e': 35，' f': 40}，name = ' numerical value ')

D3 = pd.series ({'a': 10，' b': 20，' d': 23，' g': 90，' h': 35，' i': 40}，name = ' numerical value ')

d4 = d2 + d3

打印(d4)

# a 20.0

# b 60.0

# c NaN

# d 113.0

# e NaN

# f NaN

# g NaN

# h NaN

# i NaN

#名称:数值，数据类型:浮点64

2.5缺失值处理

notnull 找空值isnull 找非空值fillna 填充空值 print(d4[d4.notnull])

# a 20.0

# b 60.0

# d 113.0

#名称:数值，数据类型:浮点64

打印(d4[d4.isnull])

# c NaN

# e NaN

# f NaN

# g NaN

# h NaN

# i NaN

#名称:数值，数据类型:浮点64

d4=d4.fillna(d4 .中位数)

打印(d4)

# a 20.0

# b 60.0

# c 60.0

# d 113.0

# e 60.0

# f 60.0

# g 60.0

# h 60.0

# i 60.0

#名称:数值，数据类型:浮点64

2.6删除值

打印(d4.drop( 'b '))

# a 20.0

# c 60.0

# d 113.0

# e 60.0

# f 60.0

# g 60.0

# h 60.0

# i 60.0

#名称:数值，数据类型:浮点64

引用

LSGO软件技术团队将定期开展深思熟虑的实践活动，以提高编程技能。希望大家都能参与深思熟虑的练习，共同学习进步！

我是一个终身学习者，一匹老马，一个长期实践“合伙学习”理念的中年大叔。

我提倡分享，渴望成长。2010年，我成立了“LSGO软件技术团队”，加入了国内著名的开源组织“数据鲸”，也是“Dre@mtech”、“智能机器人研究中心”、“大数据与哲学社会科学实验室”的成员。

愿我们一起学习，一起进步，一起陪伴，一起成长。

后台回复“搜索搜索”，随意获取电子资源！