Pandas之Series

Pandas

使Python成为数据分析强大语言的原因，最重要的是DataFrame和Series

DataFrame是数据表格，如excel形式，二维：行，列

Series是一维的

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

# 绘图
import matplotlib.pyplot as plt

1、Series

Series是一种类似与一维数组的对象，由下面两部分组成：

• values:一组数据（ndarray类型）
• index:相关的数据索引标签

1.1、Series的创建

两种创建方式：

• 由列表或numpy数组创建(默认索引0到N-1的整数型索引）

  Series(
      ['data=None', 'index=None', 'dtype=None', 'name=None', 'copy=False', 'fastpath=False'],
  )
  

  s1 = Series(data=np.random.randint(0,150,size=10), index=list("abcdefhijk"), name="Python")
  

  a    116
  b     59
  c     91
  d    130
  e     19
  f    147
  h    126
  i     85
  j      3
  k     43
  Name: Python, dtype: int32
  

  特别的，由ndarray创建的是引用，而不是副本,对Series元素改变也会改变原来ndarray对象中的元素。（列表没有这种情况）

• 通过字典创建

  s2 = Series({"A":144,"B":137,"C":125,"D":99})
  

  A    144
  B    137
  C    125
  D     99
  dtype: int64
  

  特别注意：Series是pandas中核心的模块

  type(s1)  # pandas.core.series.Series
  

1.2、Series的索引和切片

​ 可以使用中括号去单个索引（此时返回的是元素类型），或者中括号里一个列表取多个索引（此时返回的仍然是一个Series类型），分为显示索引和隐式索引

• 显示

  • 使用index中的元素作为索引值(此时是闭区间)

  S2["A"]   # 144
  S2[["A","B"]]   
  # A    144
  # B    137
  # dtype: int64
  s2["A":"C"]
  # A    144
  # B    137
  # C    125
  # dtype: int64
  

  • 使用.loc[](推荐)

  s2.loc["A"]   # 等价于s2["A"]
  s2.loc[["A","B"]]  # 等价于s2[["A","B"]] 
  s2.loc["A":"C"]  # 等价于s2["A":"C"]
  

• 隐式（使用.iloc[]）

  s2.iloc[-1]   # 99 等价于s2.loc["D"]
  s2.iloc[[0,3]]  # 等价于s2.loc[["A","D"]]
  s2.iloc[0:2]   # 等价于s2.loc["A":"B"]
  

1.3、Series的基本概念

• 可以把Series看成一个定长的有序字典

• 可以通过shape,size,index,values等得到series的属性。

  Series中的值就是ndarray

  s2.shape   # (10,)
  s2.size    # 4
  s2.index   # Index(['A', 'B', 'C', 'D'], dtype='object')
  s2.values  # array([144, 137, 125,  99], dtype=int64) 
  

• 可以通过head() ,tail()快速查看Series对象的样式

  s1.head()  # 默认展示前五个
  # a    116
  # b     59
  # c     91
  # d    130
  # e     19
  # Name: Python, dtype: int32
  s1.tail()  # 默认展示后五个
  # f    147
  # h    126
  # i     85
  # j      3
  # k     43
  # Name: Python, dtype: int32
  

  当索引没有对应的值时，可能出现缺失数据显示NaN(not a number)的情况。

  s2[["A","C"]] = np.NaN
  s2
  # A      NaN
  # B    137.0
  # C      NaN
  # D     99.0
  # dtype: float64
  

• 可以使用pd.isnull()，pd.notnull(),或者自带isnull(),notnull()函数检测缺失数据。

  s2.isnull()   # 筛选空数据
  # A     True
  # B    False
  # C     True
  # D    False
  # dtype: bool
  
  # 可以使用一个变量接收返回值，通过索引找出具体的空值
  i = s2.isnull()
  s2.loc[i]
  # A   NaN
  # C   NaN
  # dtype: float64
  
  # 筛选非空数据
  s2.notnull()  # 与isnull()返回的结果正好相反
  i = s2.notnull()
  # s2.loc[i]
  # B    137.0
  # D     99.0
  # dtype: float64
  

• Series对象本身及其实例都有一个name属性。

  s2.name = "math"  # 给s2赋一个名字
  

1.4、Series运算

• 适用于numpy的数组运算也适合于Series

  s2 + 10
  # A      NaN
  # B    147.0
  # C      NaN
  # D    109.0
  # Name: Math, dtype: float64
  s2.add(10, fill_value=0) # 有空值的时候，自动填充为0
  # A     10.0
  # B    147.0
  # C     10.0
  # D    109.0
  # Name: Math, dtype: float64
  

  • 修改数据类型

    s3 = s2.add(10,fill_value=0)
    s3.astype(np.int8)   # 修改数据类型
    # A     10
    # B   -109  
    # C     10
    # D    109
    # Name: Math, dtype: int8
    

    说明：int8的数据范围在-128—127,所以数据会溢出。

  # 求平均值，对NaN不纳入计算
  s2.mean()  # 118.0
  # 中位数
  s2.median()  # 118.0
  # 最大值
  s2.max()  # 137.0
  # 方差
  s.std()  # 26.870057685088806
  # 幂运算
  s2.pow(2)  
  # A        NaN
  # B    18769.0
  # C        NaN
  # D     9801.0
  # Name: Math, dtype: float64
  
  # 统计数值统计
  s2.value_counts()
  # 99.0     1
  # 137.0    1
  # Name: Math, dtype: int64
  

• Series之间的运算

  • 在运算中自动对齐不同索引的数据
  • 如果索引不对应，则补NaN
  • 注意：要想保留住所有的index,则需要使用add()函数

  s2 
  # A      NaN
  # B    137.0
  # C      NaN
  # D     99.0
  # Name: Math, dtype: float64
  s3
  # A     10.0
  # B    147.0
  # C     10.0
  # D    109.0
  # Name: Math, dtype: float64
  
  s2 + s3
  # A      NaN
  # B    284.0
  # C      NaN
  # D    208.0
  # Name: Math, dtype: float64
  
  s2.add(s3,fill_value=0)
  # A     10.0
  # B    284.0
  # C     10.0
  # D    208.0
  # Name: Math, dtype: float64