# 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,type(s.values)) # .index查看series索引，类型为rangeindex # .values查看series值，类型是ndarray # 核心：series相比于ndarray，是一个自带索引index的数组 → 一维数组 + 对应索引 # 所以当只看series的值的时候，就是一个ndarray # series和ndarray较相似，索引切片功能差别不大 # series和dict相比，series更像一个有顺序的字典（dict本身不存在顺序），其索引原理与字典相似（一个用key，一个用index）
输出：
0 0.229773 1 0.357622 2 0.546116 3 0.734517 4 0.686645 dtype: float64 <class 'pandas.core.series.Series'> RangeIndex(start=0, stop=5, step=1) <class 'pandas.indexes.range.RangeIndex'> [ 0.22977307 0.35762236 0.54611623 0.73451707 0.68664496] <class 'numpy.ndarray'>
# Series 创建方法一：由字典创建，字典的key就是index，values就是values dic = {'a':1 ,'b':2 , 'c':3, '4':4, '5':5} s = pd.Series(dic) print(s) # 注意：key肯定是字符串，假如values类型不止一个会怎么样？ → dic = {'a':1 ,'b':'hello' , 'c':3, '4':4, '5':5}
输出：
4 4 5 5 a 1 b 2 c 3 dtype: int64
# Series 创建方法二：由数组创建(一维数组) arr = np.random.randn(5) s = pd.Series(arr) print(arr) print(s) # 默认index是从0开始，步长为1的数字 s = pd.Series(arr, index = ['a','b','c','d','e'],dtype = np.object) print(s) # index参数：设置index，长度保持一致 # dtype参数：设置数值类型
输出：
[ 0.11206121 0.1324684 0.59930544 0.34707543 -0.15652941] 0 0.112061 1 0.132468 2 0.599305 3 0.347075 4 -0.156529 dtype: float64 a 0.112061 b 0.132468 c 0.599305 d 0.347075 e -0.156529 dtype: object
# Series 创建方法三：由标量创建 s = pd.Series(10, index = range(4)) print(s) # 如果data是标量值，则必须提供索引。该值会重复，来匹配索引的长度
输出：
0 10 1 10 2 10 3 10 dtype: int64
# Series 名称属性：name s1 = pd.Series(np.random.randn(5)) print(s1) print('-----') s2 = pd.Series(np.random.randn(5),name = 'test') print(s2) print(s1.name, s2.name,type(s2.name)) # name为Series的一个参数，创建一个数组的 名称 # .name方法：输出数组的名称，输出格式为str，如果没用定义输出名称，输出为None s3 = s2.rename('hehehe') print(s3) print(s3.name, s2.name) # .rename()重命名一个数组的名称，并且新指向一个数组，原数组不变
输出：
0 -0.403084 1 1.369383 2 1.134319 3 -0.635050 4 1.680211 dtype: float64 ----- 0 -0.120014 1 1.967648 2 1.142626 3 0.234079 4 0.761357 Name: test, dtype: float64 None test <class 'str'> 0 -0.120014 1 1.967648 2 1.142626 3 0.234079 4 0.761357 Name: hehehe, dtype: float64 hehehe test
# 位置下标，类似序列 s = pd.Series(np.random.rand(5)) print(s) print(s[0],type(s[0]),s[0].dtype) print(float(s[0]),type(float(s[0]))) #print(s[-1]) # 位置下标从0开始 # 输出结果为numpy.float格式， # 可以通过float()函数转换为python float格式 # numpy.float与float占用字节不同 # s[-1]结果如何？
输出：
0 0.924575 1 0.988654 2 0.426333 3 0.216504 4 0.453570 dtype: float64 0.924575004833 <class 'numpy.float64'> float64 0.9245750048328816 <class 'float'>
# 标签索引 s = pd.Series(np.random.rand(5), index = ['a','b','c','d','e']) print(s) print(s['a'],type(s['a']),s['a'].dtype) # 方法类似下标索引，用[]表示，内写上index，注意index是字符串 sci = s[['a','b','e']] print(sci,type(sci)) # 如果需要选择多个标签的值，用[[]]来表示（相当于[]中包含一个列表） # 多标签索引结果是新的数组
输出：
a 0.714630 b 0.213957 c 0.172188 d 0.972158 e 0.875175 dtype: float64 0.714630383451 <class 'numpy.float64'> float64 a 0.714630 b 0.213957 e 0.875175 dtype: float64 <class 'pandas.core.series.Series'>
# 切片索引 s1 = pd.Series(np.random.rand(5)) s2 = pd.Series(np.random.rand(5), index = ['a','b','c','d','e']) print(s1[1:4],s1[4]) print(s2['a':'c'],s2['c']) print(s2[0:3],s2[3]) print('-----') # 注意：用index做切片是末端包含 print(s2[:-1]) print(s2[::2]) # 下标索引做切片，和list写法一样
输出：
1 0.865967 2 0.114500 3 0.369301 dtype: float64 0.411702342342 a 0.717378 b 0.642561 c 0.391091 dtype: float64 0.39109096261 a 0.717378 b 0.642561 c 0.391091 dtype: float64 0.998978363818 ----- a 0.717378 b 0.642561 c 0.391091 d 0.998978 dtype: float64 a 0.717378 c 0.391091 e 0.957639 dtype: float64
# 布尔型索引 s = pd.Series(np.random.rand(3)*100) s[4] = None # 添加一个空值 print(s) bs1 = s > 50 bs2 = s.isnull() bs3 = s.notnull() print(bs1, type(bs1), bs1.dtype) print(bs2, type(bs2), bs2.dtype) print(bs3, type(bs3), bs3.dtype) print('-----') # 数组做判断之后，返回的是一个由布尔值组成的新的数组 # .isnull() / .notnull() 判断是否为空值 (None代表空值，NaN代表有问题的数值，两个都会识别为空值) print(s[s > 50]) print(s[bs3]) # 布尔型索引方法：用[判断条件]表示，其中判断条件可以是 一个语句，或者是 一个布尔型数组！
输出：
0 2.03802 1 40.3989 2 25.2001 4 None dtype: object 0 False 1 False 2 False 4 False dtype: bool <class 'pandas.core.series.Series'> bool 0 False 1 False 2 False 4 True dtype: bool <class 'pandas.core.series.Series'> bool 0 True 1 True 2 True 4 False dtype: bool <class 'pandas.core.series.Series'> bool ----- Series([], dtype: object) 0 2.03802 1 40.3989 2 25.2001 dtype: object
''' 【课程2.4】 Pandas数据结构Series：基本技巧 数据查看 / 重新索引 / 对齐 / 添加、修改、删除值 '''
# 数据查看 s = pd.Series(np.random.rand(50)) print(s.head(10)) print(s.tail()) # .head()查看头部数据 # .tail()查看尾部数据 # 默认查看5条
输出：
0 0.730540 1 0.116711 2 0.787693 3 0.969764 4 0.324540 5 0.061827 6 0.377060 7 0.820383 8 0.964477 9 0.451936 dtype: float64 45 0.899540 46 0.237008 47 0.298762 48 0.848487 49 0.829858 dtype: float64
# 重新索引reindex # .reindex将会根据索引重新排序，如果当前索引不存在，则引入缺失值 s = pd.Series(np.random.rand(3), index = ['a','b','c']) print(s) s1 = s.reindex(['c','b','a','d']) print(s1) # .reindex()中也是写列表 # 这里'd'索引不存在，所以值为NaN s2 = s.reindex(['c','b','a','d'], fill_value = 0) print(s2) # fill_value参数：填充缺失值的值
输出：
a 0.343718 b 0.322228 c 0.746720 dtype: float64 c 0.746720 b 0.322228 a 0.343718 d NaN dtype: float64 c 0.746720 b 0.322228 a 0.343718 d 0.000000 dtype: float64
# Series对齐 s1 = pd.Series(np.random.rand(3), index = ['Jack','Marry','Tom']) s2 = pd.Series(np.random.rand(3), index = ['Wang','Jack','Marry']) print(s1) print(s2) print(s1+s2) # Series 和 ndarray 之间的主要区别是，Series 上的操作会根据标签自动对齐 # index顺序不会影响数值计算，以标签来计算 # 空值和任何值计算结果扔为空值
输出：
Jack 0.753732 Marry 0.180223 Tom 0.283704 dtype: float64 Wang 0.309128 Jack 0.533997 Marry 0.626126 dtype: float64 Jack 1.287729 Marry 0.806349 Tom NaN Wang NaN dtype: float64
# 删除：.drop s = pd.Series(np.random.rand(5), index = list('ngjur')) print(s) s1 = s.drop('n') s2 = s.drop(['g','j']) print(s1) print(s2) print(s) # drop 删除元素之后返回副本(inplace=False)
输出：
n 0.876587 g 0.594053 j 0.628232 u 0.360634 r 0.454483 dtype: float64 g 0.594053 j 0.628232 u 0.360634 r 0.454483 dtype: float64 n 0.876587 u 0.360634 r 0.454483 dtype: float64 n 0.876587 g 0.594053 j 0.628232 u 0.360634 r 0.454483 dtype: float64
# 添加 s1 = pd.Series(np.random.rand(5)) s2 = pd.Series(np.random.rand(5), index = list('ngjur')) print(s1) print(s2) s1[5] = 100 s2['a'] = 100 print(s1) print(s2) print('-----') # 直接通过下标索引/标签index添加值 s3 = s1.append(s2) print(s3) print(s1) # 通过.append方法，直接添加一个数组 # .append方法生成一个新的数组，不改变之前的数组
输出：
0 0.516447 1 0.699382 2 0.469513 3 0.589821 4 0.402188 dtype: float64 n 0.615641 g 0.451192 j 0.022328 u 0.977568 r 0.902041 dtype: float64 0 0.516447 1 0.699382 2 0.469513 3 0.589821 4 0.402188 5 100.000000 dtype: float64 n 0.615641 g 0.451192 j 0.022328 u 0.977568 r 0.902041 a 100.000000 dtype: float64 ----- 0 0.516447 1 0.699382 2 0.469513 3 0.589821 4 0.402188 5 100.000000 n 0.615641 g 0.451192 j 0.022328 u 0.977568 r 0.902041 a 100.000000 dtype: float64 0 0.516447 1 0.699382 2 0.469513 3 0.589821 4 0.402188 5 100.000000 dtype: float64
# 修改 s = pd.Series(np.random.rand(3), index = ['a','b','c']) print(s) s['a'] = 100 s[['b','c']] = 200 print(s) # 通过索引直接修改，类似序列
输出：
a 0.873604 b 0.244707 c 0.888685 dtype: float64 a 100.0 b 200.0 c 200.0 dtype: float64