Pandas中Series的屬性,方法,常用操作使用案例
包的引入：
import numpy as np import pandas as pd
1. Series 對象的創建
1.1 創建一個空的 Series 對象
s = pd.Series() print(s) print(type(s))
1.2 通過列表創建一個 Series 對象
需要傳入一個列表序列
l = [1, 2, 3, 4]
s = pd.Series(l)
print(s)
print('-'*20)
print(type(s))
1.3 通過元組創建一個 Series 對象
需要傳入一個元組序列
t = (1, 2, 3)
s = pd.Series(t)
print(s)
print('-'*20)
print(type(s))
1.4 通過字典創建一個 Series 對象
需要傳入一個字典
m = {'zs': 12, 'ls': 23, 'ww': 22}
s = pd.Series(m)
print(s)
print('-'*20)
print(type(s))
1.5 通過 ndarray 創建一個 Series 對象
需要傳入一個 ndarray
ndarr = np.array([1, 2, 3])
s = pd.Series(ndarr)
print(s)
print('-'*20)
print(type(s))
1.6 創建 Series 對象時指定索引
index：用於設置 Series 對象的索引
age = [12, 23, 22, 34]
name = ['zs', 'ls', 'ww', 'zl']
s = pd.Series(age, index=name)
print(s)
print('-'*20)
print(type(s))
1.7 通過一個標量(數)創建一個 Series 對象
num = 999
s = pd.Series(num, index=[1, 2, 3, 4])
print(s)
print('-'*20)
print(type(s))
ndarr = np.arange(0, 10, 2)
s = pd.Series(5, index=ndarr)
print(s)
print('-'*20)
print(type(s))
2. Series 的屬性
2.1 values —- 返回一個 ndarray 數組
l = [11, 22, 33, 44]
s = pd.Series(l)
print(s)
print('-'*20)
ndarr = s.values
print(ndarr)
print('-'*20)
print(type(ndarr))
2.2 index —- 返回 Series 的索引序列
d = {'zs': 12, 'ls': 23, 'ww': 35}
s = pd.Series(d)
print(s)
print('-'*20)
idx = s.index
print(idx)
print('-'*20)
print(type(idx))
2.3 dtype —- 返回 Series 中元素的數據類型
d = {'zs': 12, 'ls': 23, 'ww': 35}
s = pd.Series(d)
print(s)
print('-'*20)
print(s.dtype)
2. 4 size —- 返回 Series 中元素的個數
d = {'zs': 12, 'ls': 23, 'ww': 35}
s = pd.Series(d)
print(s)
print('-'*20)
print(s.size)
2.5 ndim —- 返回 Series 的維數
d = {'zs': 12, 'ls': 23, 'ww': 35}
s1 = pd.Series(d)
print(s1)
print('-'*20)
print(s1.ndim)
l = [[1, 1], [2, 2], [3, 3]]
s2 = pd.Series(l)
print(s2)
print('-'*20)
print(s2.ndim)
2.6 shape —- 返回 Series 的維度
d = {'zs': 12, 'ls': 23, 'ww': 35}
s1 = pd.Series(d)
print(s1)
print('-'*20)
print(s1.shape)
print()
l = [[1, 1], [2, 2], [3, 3]]
s2 = pd.Series(l)
print(s2)
print('-'*20)
print(s2.shape)
3. Series 的方法
3.1 mean() —- 求算術平均數
l = [12, 23, 24, 34] s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl']) print(s) print() print(s.mean())
3.2 min() max() —- 求最值
l1 = [12, 23, 24, 34] s1 = pd.Series(l, index=['zs', 'ls', 'ww', 'zl']) print(s1) print() print(s1.max()) print(s1.min()) print() l2 = ['ac', 'ca', 'cd', 'ab'] s2 = pd.Series(l2) print(s2) print() print(s2.max()) print(s2.min())
3.3 argmax() argmin() idxmax() idxmin() —- 獲取最值索引
l1 = [12, 23, 24, 34] s1 = pd.Series(l, index=['zs', 'ls', 'ww', 'zl']) print(s1) print() # argmax() -- 最大值的數字索引 # idxmax() -- 最大值的標簽索引 # 兩個都不支持字符串類型的數據 print(s1.max(), s1.argmax(), s1.idxmax()) print(s1.min(), s1.argmin(), s1.idxmin())
3.4 median() —- 求中位數
l = [12, 23, 24, 34] s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl']) print(s) print() print(s.median())
3.5 value_counts() —- 求頻數
l = [12, 23, 24, 34] s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl']) print(s) print() print(s.value_counts())
3.6 mode() —- 求眾數
l = [12, 23, 24, 34] s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl']) print(s) print() print(s.mode()) print() l = [12, 23, 24, 34, 34] s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl', 'zq']) print(s) print() print(s.mode())
3.7 quantile() —- 求四分位數
四分位數：把數值從小到大排列並分成四等分，處於三個分割點位置的數值就是四分位數。
需要傳入一個列表，列表中的元素為要獲取的數的對應位置
l = [1, 1, 2, 2, 3, 3, 4, 4] s = pd.Series(l) print(s) print() print(s.quantile([0, .25, .50, .75, 1]))
3.8 std() —- 標準差
總體標準差是反映研究總體內個體之間差異程度的一種統計指標。
總體標準差計算公式：
由於總體標準差計算出來會偏小，所以采用 ( n − d d o f ) (n-ddof) (n−ddof)的方式適當擴大標準差，即樣本標準差。
樣本標準差計算公式：
l = [1, 1, 2, 2, 3, 3, 4, 4] s = pd.Series(l) print(s) print() # 總體標準差 print(s.std()) print() print(s.std(ddof=1)) print() # 樣本標準差 print(s.std(ddof=2))
3.9 describe() —- 統計 Series 的常見統計學指標結果
l = [1, 1, 2, 2, 3, 3, 4, 4] s = pd.Series(l) print(s) print() print(s.describe())
3.10 sort_values() —- 根據元素值進行排序
ascending：True為升序(默認)，False為降序 3.10.1 升序
l = [4, 2, 1, 3] s = pd.Series(l) print(s) print() s = s.sort_values() print(s)
3.10.2 降序
l = [4, 2, 1, 3] s = pd.Series(l) print(s) print() s = s.sort_values(ascending=False) print(s)
3.11 sort_index() —- 根據索引值進行排序
ascending：True為升序(默認)，False為降序
3.11.2 升序
l = [12, 23, 24, 34] s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl']) print(s) print() s = s.sort_index() print(s)
3.11.2 降序
l = [12, 23, 24, 34] s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl']) print(s) print() s = s.sort_index() print(s)
3.12 apply() —- 根據傳入的函數參數處理 Series 對象
需要傳入一個函數參數
# x 為當前遍歷到的元素 def func(x): if (x%2==0): return x+1 else: return x l = [12, 23, 24, 34] s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl']) print(s) print() # 調用 apply 方法，會將 Series 中的每個元素帶入 func 函數中進行處理 s = s.apply(func) print(s)
3.13 head() —- 查看 Series
對象的前 x 個元素 需要傳入一個數 x ，表示查看前 x 個元素，默認為前5個
l = [12, 23, 24, 34] s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl']) print(s) print() # head(x) 查看 Series 對象的前 x 個元素 print(s.head(2))
3.14 tail() —- 查看 Series 對象的後 x 個元素
需要傳入一個數 x ，表示查看後 x 個元素，默認為後5個
l = [12, 23, 24, 34] s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl']) print(s) print() # tail(x) 查看 Series 對象的後 x 個元素 print(s.tail(2))
4. Series 的常用操作
4.1 Series 對象的數據訪問
4.1.1 使用數字索引進行訪問
4.1.1.1 未自定義索引
l = [12, 23, 24, 34] s = pd.Series(l) print(s) print() print(s[0]) print() print(s[1:-2]) print() print(s[::2]) print() print(s[::-1])
4.1.1.2 自定義索引
l = [12, 23, 24, 34] s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl']) print(s) print() print(s[0]) print() print(s[1:-2]) print() print(s[::2]) print() print(s[::-1])
4.1.2 使用自定義標簽索引進行訪問
l = [12, 23, 24, 34] s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl']) print(s) print() print(s['zs']) print() # 自定義標簽索引進行切片包含開始與結束位置 print(s['ls':'zl']) print() print(s['zs':'zl':2]) print() # 註意切邊范圍的方向與步長的方向 print(s['zl':'zs':-1])
4.1.3 使用索引掩碼進行訪問
l = [12, 23, 24, 34] s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl']) print(s) print() idx = (s%2==0) print(idx) print() # 索引掩碼(也是一個數組) # 索引掩碼個數與原數組的個數一致，數組每個元素都與索引掩碼中的元素一一對應 # 數組每個元素都對應著索引掩碼中的一個True或False # 隻有索引掩碼中為True所對應元素組中的元素才會被選中 print(s[idx])
4.1.4 一次性訪問多個元素
l = [12, 23, 24, 34] s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl']) print(s) print() # 選出指定索引對應的元素 print(s[['zs', 'ww']]) print() print(s[[1, 2]])
4.2 Series 對象數據元素的刪除
4.2.1 pop()
傳入要刪除元素的標簽索引
l = [12, 23, 24, 34]
s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl'])
print(s)
print()
s.pop('ww')
print(s)
4.2.2 drop()
傳入要刪除元素的標簽索引
l = [12, 23, 24, 34]
s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl'])
print(s)
print()
# drop() 會返回一個刪除元素後的新數組，不會對原數組進行修改
s = s.drop('zs')
print(s)
4.3 Series 對象數據元素的修改
4.3.1 通過標簽索引進行修改
l = [12, 23, 24, 34] s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl']) print(s) print() s['zs'] = 22 print(s)
4.3.2 通過數字索引進行修改
l = [12, 23, 24, 34] s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl']) print(s) print() s[1] = 22 print(s)
4.4 Series 對象數據元素的添加
4.4.1 通過標簽索引添加
l = [12, 23, 24, 34] s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl']) print(s) print() s['ll'] = 22 print(s)
4.4.2 append()
需要傳入一個要添加到原 Series 對象的 Series 對象
l = [12, 23, 24, 34] s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl']) print(s) print() # 可以添加已經存在的索引及其值 s2 = pd.Series([11, 13], index=['zs', 'wd']) # append() 不會對原數組進行修改 s = s.append(s2) print(s) print() print(s['zs'])
到此這篇關於Pandas中Series的屬性,方法,常用操作使用案例的文章就介紹到這瞭,更多相關Pandas中Series屬性內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！
推薦閱讀：
- Python數據分析 Pandas Series對象操作
- pandas數據類型之Series的具體使用
- Python Pandas常用函數方法總結
- Python Pandas學習之Pandas數據結構詳解
- Python Pandas教程之series 上的轉換操作