Pandas 数据结构 - Series
Pandas Series 类似表格中的一个列(column),类似于一维数组,可以保存任何数据类型。
Series 的数据结构是非常有用的,因为它可以处理各种数据类型,同时保持了高效的数据操作能力。
Series 特点:
一维数组:Series是一维的,这意味着它只有一个轴(或维度),类似于 Python 中的列表。
索引: 每个
Series
都有一个索引,它可以是整数、字符串、日期等类型。如果不指定索引,Pandas 将默认创建一个从 0 开始的整数索引。数据类型:
Series
可以容纳不同数据类型的元素,包括整数、浮点数、字符串、Python 对象等。大小不变性:Series 的大小在创建后是不变的,但可以通过某些操作(如 append 或 delete)来改变。
操作:Series 支持各种操作,如数学运算、统计分析、字符串处理等。
缺失数据:Series 可以包含缺失数据,Pandas 使用NaN(Not a Number)来表示缺失或无值。
Series 是 Pandas 中的一种基本数据结构,类似于一维数组或列表,但具有标签(索引),使得数据在处理和分析时更具灵活性。
以下是关于 Pandas 中的 Series 的详细介绍。
创建 Series
可以使用 pd.Series() 构造函数创建一个 Series 对象,传递一个数据数组(可以是列表、NumPy 数组等)和一个可选的索引数组。
pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)
参数说明:
data
:Series 的数据部分,可以是列表、数组、字典、标量值等。如果不提供此参数,则创建一个空的 Series。index
:Series 的索引部分,用于对数据进行标记。可以是列表、数组、索引对象等。如果不提供此参数,则创建一个默认的整数索引。dtype
:指定 Series 的数据类型。可以是 NumPy 的数据类型,例如np.int64
、np.float64
等。如果不提供此参数,则根据数据自动推断数据类型。name
:Series 的名称,用于标识 Series 对象。如果提供了此参数,则创建的 Series 对象将具有指定的名称。copy
:是否复制数据。默认为 False,表示不复制数据。如果设置为 True,则复制输入的数据。fastpath
:是否启用快速路径。默认为 False。启用快速路径可能会在某些情况下提高性能。
创建一个简单的 Series 实例:
实例
a = [1, 2, 3]
myvar = pd.Series(a)
print(myvar)
输出结果如下:
从上图可知,如果没有指定索引,索引值就从 0 开始,我们可以根据索引值读取数据:
实例
a = [1, 2, 3]
myvar = pd.Series(a)
print(myvar[1])
输出结果如下:
2
我们可以指定索引值,如下实例:
实例
a = ["Google", "Runoob", "Wiki"]
myvar = pd.Series(a, index = ["x", "y", "z"])
print(myvar)
输出结果如下:
根据索引值读取数据:
实例
a = ["Google", "Runoob", "Wiki"]
myvar = pd.Series(a, index = ["x", "y", "z"])
print(myvar["y"])
输出结果如下:
Runoob
我们也可以使用 key/value 对象,类似字典来创建 Series:
实例
sites = {1: "Google", 2: "Runoob", 3: "Wiki"}
myvar = pd.Series(sites)
print(myvar)
输出结果如下:
从上图可知,字典的 key 变成了索引值。
如果我们只需要字典中的一部分数据,只需要指定需要数据的索引即可,如下实例:
实例
sites = {1: "Google", 2: "Runoob", 3: "Wiki"}
myvar = pd.Series(sites, index = [1, 2])
print(myvar)
输出结果如下:
设置 Series 名称参数:
实例
sites = {1: "Google", 2: "Runoob", 3: "Wiki"}
myvar = pd.Series(sites, index = [1, 2], name="RUNOOB-Series-TEST" )
print(myvar)
更多 Series 说明
使用列表、字典或数组创建一个默认索引的 Series。
# 使用列表创建 Series s = pd.Series([1, 2, 3, 4]) # 使用 NumPy 数组创建 Series s = pd.Series(np.array([1, 2, 3, 4])) # 使用字典创建 Series s = pd.Series({'a': 1, 'b': 2, 'c': 3, 'd': 4})
基本操作:
# 指定索引创建 Series s = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd']) # 获取值 value = s[2] # 获取索引为2的值 print(s['a']) # 返回索引标签 'a' 对应的元素 # 获取多个值 subset = s[1:4] # 获取索引为1到3的值 # 使用自定义索引 value = s['b'] # 获取索引为'b'的值 # 索引和值的对应关系 for index, value in s.items(): print(f"Index: {index}, Value: {value}") # 使用切片语法来访问 Series 的一部分 print(s['a':'c']) # 返回索引标签 'a' 到 'c' 之间的元素 print(s[:3]) # 返回前三个元素 # 为特定的索引标签赋值 s['a'] = 10 # 将索引标签 'a' 对应的元素修改为 10 # 通过赋值给新的索引标签来添加元素 s['e'] = 5 # 在 Series 中添加一个新的元素,索引标签为 'e' # 使用 del 删除指定索引标签的元素。 del s['a'] # 删除索引标签 'a' 对应的元素 # 使用 drop 方法删除一个或多个索引标签,并返回一个新的 Series。 s_dropped = s.drop(['b']) # 返回一个删除了索引标签 'b' 的新 Series
基本运算:
# 算术运算 result = series * 2 # 所有元素乘以2 # 过滤 filtered_series = series[series > 2] # 选择大于2的元素 # 数学函数 import numpy as np result = np.sqrt(series) # 对每个元素取平方根
计算统计数据:使用 Series 的方法来计算描述性统计。
print(s.sum()) # 输出 Series 的总和 print(s.mean()) # 输出 Series 的平均值 print(s.max()) # 输出 Series 的最大值 print(s.min()) # 输出 Series 的最小值 print(s.std()) # 输出 Series 的标准差
属性和方法:
# 获取索引 index = s.index # 获取值数组 values = s.values # 获取描述统计信息 stats = s.describe() # 获取最大值和最小值的索引 max_index = s.idxmax() min_index = s.idxmin() # 其他属性和方法 print(s.dtype) # 数据类型 print(s.shape) # 形状 print(s.size) # 元素个数 print(s.head()) # 前几个元素,默认是前 5 个 print(s.tail()) # 后几个元素,默认是后 5 个 print(s.sum()) # 求和 print(s.mean()) # 平均值 print(s.std()) # 标准差 print(s.min()) # 最小值 print(s.max()) # 最大值
使用布尔表达式:根据条件过滤 Series。
print(s > 2) # 返回一个布尔 Series,其中的元素值大于 2
查看数据类型:使用 dtype 属性查看 Series 的数据类型。
print(s.dtype) # 输出 Series 的数据类型
转换数据类型:使用 astype 方法将 Series 转换为另一种数据类型。
s = s.astype('float64') # 将 Series 中的所有元素转换为 float64 类型
注意事项:
Series
中的数据是有序的。- 可以将
Series
视为带有索引的一维数组。 - 索引可以是唯一的,但不是必须的。
- 数据可以是标量、列表、NumPy 数组等。
点我分享笔记