import pandas as pd import numpy as np一、Series 1. 创建Series对象
pandas.Series( data, index, dtype, name, copy)
参数说明：
data：一组数据(ndarray 类型)。
index：数据索引标签，如果不指定，默认从 0 开始。
dtype：数据类型，默认会自己判断。
name：设置名称。
copy：拷贝数据，默认为 False。
1.1 创建空的Series对象s = pd.Series(dtype='float64') # 如果不指定dtype，在未来的版本中，空的series对象中元素的默认数据类型将会是object s
Series([], dtype: float64)1.2 通过ndarray创建Series对象
arr = np.array([1,2,3,4,5]) s = pd.Series(arr) s
0 1 1 2 2 3 3 4 4 5 dtype: int321.3 list创建Series对象
lst = ["a","b","c"] pd.Series(lst)
0 a 1 b 2 c dtype: object1.4 dict创建Series对象
dct = {"a": 1,"b": 2,"c": 3} # 字典的键会自动传给index参数
s = pd.Series(dct)
s
a 1 b 2 c 3 dtype: int641.5 标量创建Series对象
s = pd.Series(5,index=["a","b","c"]) # 标量创建Series对象时，必须传入索引序列，因为需要根据索引序列的长度来确定标量的个数 s
a 5 b 5 c 5 dtype: int642. 访问Series数据
-
访问Series数据有两种方式：位置索引访问 和 标签索引访问。
-
当未指定index参数时，只能通过位置索引访问。当指定了index参数时，既能通过位置索引访问，也能上通过标签索引访问。
- 与 list 的访问方式一样
s = pd.Series(["a","d","c","b"]) s[0]
'a'
s[0] = "e" # 修改第一个值 s
0 e 1 d 2 c 3 b dtype: object2.2 标签索引访问
- 与 dict 的访问方式一样
s = pd.Series([98, 94, 91,87],index=["zs","ls","ww","bl"]) s[3]
87
s["zs"]
98
s["zs"] = 100 s
zs 100 ls 94 ww 91 bl 87 dtype: int643. Series常用属性
-
axes 以列表的形式返回所有行索引标签。
-
dtype 返回对象的数据类型。
-
empty 返回一个空的 Series 对象。
-
ndim 返回输入数据的维数。
-
size 返回输入数据的元素数量。
-
values 以 ndarray 的形式返回 Series 对象。
-
index 返回一个RangeIndex对象，用来描述索引的取值范围
s = pd.Series([98, 94, 91,87],index=["zs","ls","ww","bl"])
s.axes
[Index(['zs', 'ls', 'ww', 'bl'], dtype='object')]
s.dtype
dtype('int64')
s.empty
False
s.ndim
1
s.size
4
s.values
array([98, 94, 91, 87], dtype=int64)
s.index
Index(['zs', 'ls', 'ww', 'bl'], dtype='object')4. Series的常用方法
-
head(), tail() 查看数据
-
isnull() & nonull() 检测缺失值
s = pd.Series([98, 94, 91,87,68,93,78],index=["zs","ls","ww","bl","zqh","sxj","wyy"]) s
zs 98 ls 94 ww 91 bl 87 zqh 68 sxj 93 wyy 78 dtype: int64
s.head(6) # 默认前5行
zs 98 ls 94 ww 91 bl 87 zqh 68 sxj 93 dtype: int64
s.tail() # 默认后5行
ww 91 bl 87 zqh 68 sxj 93 wyy 78 dtype: int644.2 isnull() & nonull() 检测缺失值
s = pd.Series([98, 94, 91,87,None,89,78],index=["zs","ls","ww","bl","zqh",None,"wyy"]) s
zs 98.0 ls 94.0 ww 91.0 bl 87.0 zqh NaN NaN 89.0 wyy 78.0 dtype: float64
# 通过Series对象的isnull()方法 s.isnull()
zs False ls False ww False bl False zqh True NaN False wyy False dtype: bool
# 通过pandas的isnull方法 pd.isnull(s)
zs False ls False ww False bl False zqh True NaN False wyy False dtype: bool
s.index.isnull()
array([False, False, False, False, False, True, False])
pd.notnull(s)
zs True ls True ww True bl True zqh False NaN True wyy True dtype: bool
s.notnull()
zs True ls True ww True bl True zqh False NaN True wyy True dtype: bool
