怎么在python中利用pandas创建一个Series数据类型

今天就跟大家聊聊有关怎么在python中利用pandas创建一个Series数据类型，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

python可以做什么

Python是一种编程语言，内置了许多有效的工具，Python几乎无所不能，该语言通俗易懂、容易入门、功能强大，在许多领域中都有广泛的应用，例如最热门的大数据分析，人工智能，Web开发等。

1.什么是pandas

2.查看pandas版本信息

print(pd.__version__)

输出：

0.24.1

3.常见数据类型

常见的数据类型:

- 一维: Series

- 二维: DataFrame

- 三维: Panel …

- 四维: Panel4D …

- N维: PanelND …

4.pandas创建Series数据类型对象

1). 通过列表创建Series对象

array = ["粉条", "粉丝", "粉带"]
# 如果不指定索引， 默认从0开始;
s1 = pd.Series(data=array)
print(s1)
# 如果不指定索引， 默认从0开始;
ss1 = pd.Series(data=array, index=['A', 'B', 'C'])
print(ss1)

输出：

0    粉条
1    粉丝
2    粉带
dtype: object
A    粉条
B    粉丝
C    粉带
dtype: object

2). 通过numpy的对象Ndarray创建Series；

n = np.random.randn(5)   # 随机创建一个ndarray对象;
s2 = pd.Series(data=n)
print(s2)
# 修改元素的数据类型;
ss2 = s2.astype(np.int)
print(ss2)

输出：

0   -1.649755
1    0.607479
2    0.943136
3   -1.794060
4    1.569035
dtype: float64
0   -1
1    0
2    0
3   -1
4    1
dtype: int64

3). 通过字典创建Series对象;

dict = {string.ascii_lowercase[i]:i for i in range(10)}
s3 = pd.Series(dict)
print(s3)

输出：

a    0
b    1
c    2
d    3
e    4
f    5
g    6
h    7
i    8
j    9
dtype: int64

5.Series基本操作

共同部分：

import pandas as pd
import numpy as np
import  string

array = ["粉条", "粉丝", "粉带"]
s1 = pd.Series(data=array)
print(s1)

输出：

0    粉条
1    粉丝
2    粉带
dtype: object

1). 修改Series索引.index

print(s1.index) #输出：RangeIndex(start=0, stop=3, step=1)
s1.index = ['A', 'B', 'C']
print(s1)

输出：

A    粉条
B    粉丝
C    粉带
dtype: object

2). Series纵向拼接.append

s1.index = ['A', 'B', 'C']
array = ["粉条", "粉丝", "粉带"]
# 如果不指定索引， 默认从0开始;
s2 = pd.Series(data=array)
s3 = s1.append(s2)
print(s3)

输出：

A    粉条
B    粉丝
C    粉带
0    粉条
1    粉丝
2    粉带
dtype: object

3). 删除指定索引对应的元素.drop(‘index')

s3 = s3.drop('C')  # 删除索引为‘C'对应的值;
print(s3)

输出：

A    粉条
B    粉丝
0    粉条
1    粉丝
2    粉带
dtype: object

4). 根据指定的索引查找元素

print(s3['B'])   #粉丝
s3['B'] = np.nan #索引B处的值替换为缺失值
print(s3)

输出：

A     粉条
B    NaN
0     粉条
1     粉丝
2     粉带
dtype: object

5). 切片操作 — 同列表

print(s3[:2])  #显示前两个元素
print(s3[::-1]) #逆序
print(s3[-2:])  # 显示最后两个元素

输出：

A     粉条
B    NaN
dtype: object
-------------------------
2     粉带
1     粉丝
0     粉条
B    NaN
A     粉条
dtype: object
-------------------------
1    粉丝
2    粉带
dtype: object

6.Series运算

先设置两个Series对象：

import pandas as pd
import numpy as np
import  string


s1  = pd.Series(np.arange(5), index=list(string.ascii_lowercase[:5]))
s2  = pd.Series(np.arange(2, 8), index=list(string.ascii_lowercase[2:8]))

print(s1)
print(s2)

按照对应的索引进行计算， 如果索引不同，则填充为Nan;

1).加法add

print(s1 + s2)
print(s1.add(s2))

输出：

a    NaN
b    NaN
c    4.0
d    6.0
e    8.0
f    NaN
g    NaN
h    NaN
dtype: float64

2).减法sub

print(s1 - s2)
print(s1.sub(s2))

输出：

a    NaN
b    NaN
c    0.0
d    0.0
e    0.0
f    NaN
g    NaN
h    NaN
dtype: float64

3).乘法mul

print(s1 * s2)
print(s1.mul(s2))

输出：

a     NaN
b     NaN
c     4.0
d     9.0
e    16.0
f     NaN
g     NaN
h     NaN
dtype: float64

4).除法div

print(s1 / s2)
print(s1.div(s2))

输出：

a    NaN
b    NaN
c    1.0
d    1.0
e    1.0
f    NaN
g    NaN
h    NaN
dtype: float64

5).求中位数median

print(s1.median())

输出：

2.0

6).求和sum

print(s1.sum())

输出：

10

7).最大值max

print(s1.max())

输出：

4

8).最小值min

print(s1.min())

输出：

0

7.特殊的where方法

series中的where方法运行结果和numpy中完全不同

import pandas as pd
import numpy as np
import string
s1 = pd.Series(np.arange(5), index=list(string.ascii_lowercase[:5]))
print(s1)

输出：

a    0
b    1
c    2
d    3
e    4
dtype: int64

print(s1.where(s1 > 3))

大于3的显示，不大于3的为NaN

# 对象中小于3的元素赋值为10；
print(s1.where(s1 > 3, 10))

# 对象中大于3的元素赋值为10；
print(s1.mask(s1 > 3, 10))

看完上述内容，你们对怎么在python中利用pandas创建一个Series数据类型有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注亿速云行业资讯频道，感谢大家的支持。