01-Pandas的数据结构-Series

import pandas as pd
import numpy as np

# 2.1 通过list创建
s1 = pd.Series([1,2,3,4,5])
s1

0    1
1    2
2    3
3    4
4    5
dtype: int64

type(s1)

pandas.core.series.Series

# 2.2 通过数组创建
arr1 = np.arange(1,6)
print(arr1)

[1 2 3 4 5]

s2 = pd.Series(arr1)
s2

0    1
1    2
2    3
3    4
4    5
dtype: int32

#索引长度和数据长度必须相同。
s2 = pd.Series(arr1,index=['a','b','c','d','e'])
s2

a    1
b    2
c    3
d    4
e    5
dtype: int32

s1.values

array([1, 2, 3, 4, 5], dtype=int64)

s1.index

RangeIndex(start=0, stop=5, step=1)

# 2.3 通过字典创建
dict = {'name':'李宁','age':18,'class':'三班'}
s3 = pd.Series(dict,index = ['name','age','class','sex'])   #  注意一下这里的索引,用字典创建的 Series对象
s3

name      李宁
age       18
class     三班
sex      NaN
dtype: object

# 3.1 isnull 和 notnull 检查缺失值
s3.isnull()  #判断是否为空  空就是True

name     False
age      False
class    False
sex       True
dtype: bool

s3.notnull() #判断是否不为空  非空True

name      True
age       True
class     True
sex      False
dtype: bool

# 3.2 通过索引获取数据
print(s3.index)
print(s3.values)

Index(['name', 'age', 'class', 'sex'], dtype='object')
['李宁' 18 '三班' nan]

# 下标
s3[0]

'李宁'

# 标签名
s3['age']

18

# 选取多个
s3[['name','age']]  # s3[[1,3]]  

name    李宁
age     18
dtype: object

# 切片
s3[1:3]

age      18
class    三班
dtype: object

s3['name':'class']   #标签切片 包含末端数据

name     李宁
age      18
class    三班
dtype: object

#布尔索引
s2[s2>3]

d    4
e    5
dtype: int32

# 3.3 索引与数据的对应关系不被运算结果影响
print(s2+2)
print(s2>2)

year
a    3
b    4
c    5
d    6
e    7
Name: temp, dtype: int32
year
a    False
b    False
c     True
d     True
e     True
Name: temp, dtype: bool

# 3.4 name属性
s2.name = 'temp'  #对象名
s2.index.name = 'year'  #对象索引名
s2

year
a    1
b    2
c    3
d    4
e    5
Name: temp, dtype: int32

s2.head(3)  #默认前5行

year
a    1
b    2
c    3
Name: temp, dtype: int32

s2.tail(2)  #尾部默认后5行

year
d    4
e    5
Name: temp, dtype: int32