Series的索引和切片

? ?可以取中括號取單個(gè)索引(此時(shí)返回的是元素類型)，或者中括號里一個(gè)列表取多個(gè)索引(此時(shí)返回的仍然是一個(gè)Series類型)

? ? 分為顯示索引和隱式索引：

(1) 顯示索引 (必須給索引的值)：

? ? -- 使用index中的元素作為索引值
? ? -- 使用 .loc[]? (推薦)

注意此時(shí)是閉區(qū)間

import numpy as np from pandas import Series# 創(chuàng)建好Series s = Series(np.random.random(10),index=list('abcdefghig')) print(s) print(s['a']) # 可以直接取出行號為 'a' 的數(shù)據(jù) print(s.loc['a']) # 通過 .loc[] 的 方式取出索引為'a'的值 '''運(yùn)行結(jié)果：a 0.866009b 0.173073c 0.679109d 0.247098e 0.115333f 0.085793g 0.135284h 0.203943i 0.125305g 0.564275dtype: float640.85981856788197520.8598185678819752 '''

(2) 隱式索引：

? ?--- 使用整數(shù)作為索引值
? ?--- 使用? .iloc[]? (推薦)

?注意： 此時(shí)是半開區(qū)間

print(s[0]) # 通過[]整數(shù)的方法取出相應(yīng)索引的值 print(s.iloc[0]) # 通過 .iloc[] 取出相應(yīng)索引的值 """運(yùn)行結(jié)果：0.328480026309244670.32848002630924467 """

(3) 切片? ?（代碼實(shí)例）

# 切片 '''# 取出索引值為 'a'到'e'的值''' print(s['a':'e']) '''# 取出從第一個(gè)開始到第五個(gè)''' print(s[0:5]) '''取的方法和列表大致相同'''

?

?Series的基本概念

? ? 1. 可以把Series看成一個(gè)定長的有序字典
? ? ? ? ?可以通過shape，size，index,values等得到series的屬性

'''# 打印Series的形狀 對于Series而言只能是一維的''' print(s.shape) # 結(jié)果 (10,) 代表 10 行'''# 打印出Series的大小''' print(s.size) # 結(jié)果 10'''打印出索引值''' print(s.index) # 結(jié)果 Index(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'g'], dtype='object')'''打印出所有的值''' print(s.values) # 結(jié)果 [0.08580958 0.06484278 0.86393773 0.99667033 0.93736993 0.55856375 # 0.86119536 0.396556 0.30890221 0.51369992]

2.?可以通過head(),tail()快速查看Series對象的樣式

? ? ?對于大數(shù)據(jù)來說，讀取文件的前幾行和讀取文件的后幾行來說是非常必要的

'''head()方法，打印前幾行，默認(rèn)只打印前5行''' print(s.head()) '''可以給head()方法中傳遞正整數(shù)值，數(shù)值為幾，就打印前幾行''' print(s.head(7)) # 打印前7行'''tail()方法，打印后幾行，默認(rèn)只打印后5行''' print(s.tail()) '''可以給tail()方法中傳遞正整數(shù)值，數(shù)值為幾，就打印后幾行''' print(s.tail(7)) # 打印后5行

3.當(dāng)索引沒有對應(yīng)的值時(shí)，可能出現(xiàn)缺失數(shù)據(jù)顯示NaN（not a number）的情況

s1 = Series([1, 26, None, np.nan], index=list('金木水火')) print(s1) """運(yùn)行結(jié)果：金 1.0木 26.0水 NaN火 NaNdtype: float64 """

? ? 有空值時(shí)，是可以進(jìn)行加和等運(yùn)算的，Series會自動將無效的空值等轉(zhuǎn)化為float型，而在numpy的類型中是不可以的??

4.可以使用pd.isnull()，pd.notnull()，或自帶isnull(),notnull()函數(shù)檢測缺失數(shù)據(jù)

'''判斷Series是否為空，返回的類型還是Series''' print(s1.isnull()) """ 結(jié)果金 False木 False水 True火 Truedtype: bool """'''判斷Series不為空嗎 ， 為空返回False，不為空返回True''' print(s1.notnull()) """ 結(jié)果：金 True木 True水 False火 Falsedtype: bool """'''取出Series中不為空的數(shù)據(jù) Series[Series.notnull()]''' print(s1[s1.notnull()]) """金 1.0木 26.0dtype: float64 """

5.Series對象本身及其索引都有一個(gè)name屬性，??

? ? name的作用： 區(qū)分，在DataFrame中用于區(qū)分，在DataFrame中是列名

s1.name = '元素' print(s1) # 然后就會有Name屬性 """ 結(jié)果：金 1.0木 26.0水 NaN火 NaNName: 元素, dtype: float64 """

在運(yùn)算中自動對齊不同索引的數(shù)據(jù)
如果索引不對應(yīng)，則補(bǔ)NaN
?? ?注意：要想保留所有的index，則需要使用.add()函數(shù)

?Series的運(yùn)算

? ?1.可以進(jìn)行加減乘除? ? （直接利用加減乘除符號進(jìn)行運(yùn)算時(shí)，Nan是不會進(jìn)行加減乘除的）

print(s1 + 10) """ 金 11.0 木 36.0 水 NaN 火 NaN Name: 元素, dtype: float64 """

2.? 使用add()方法，參數(shù)fill_value,? ? 如果在進(jìn)行加減乘除運(yùn)算的時(shí)候，有NaN的值，

? ? 那么fill_value默認(rèn)會將NaN設(shè)置為= 后面的值

print(s1.add(10,fill_value=0)) # fill_value=0把NaN設(shè)置為0 """ 金 11.0 木 36.0 水 10.0 火 10.0 Name: 元素, dtype: float64 """

?3.Series之間進(jìn)行運(yùn)算

? ?---? 在運(yùn)算中自動對齊不同索引的數(shù)據(jù)? ? ? ??Series最重要的特征是有索引值

? ?--- 如果索引對應(yīng)，，在進(jìn)行相加時(shí)，索引相同進(jìn)行相加
? ?---? 如果索引不對應(yīng)，則補(bǔ)NaN
? ? ? ? ? ? ? ? ? ? ? ? ? ? ?注意：要想保留所有的index，則需要使用.add()函數(shù)

from pandas import Seriess1 = Series([2, 4, 7, 9], index=[0, 1, 2, 3]) s2 = Series([1, 2, 3, 4], index=[2, 3, 4, 5]) # 索引不對應(yīng) print(s1 + s2) """0 NaN1 NaN2 8.03 11.04 NaN5 NaNdtype: float64 """ # 保留所有的引用，即連個(gè)索引取并集 # fill_value: 有空即填充等號后面的值 print(s1.add(s2,fill_value=0)) """0 2.01 4.02 8.03 11.04 3.05 4.0dtype: float64 """

Series數(shù)據(jù)有空值(None)時(shí)，是可以的進(jìn)行相加的

總結(jié)

以上是生活随笔為你收集整理的Pandas的学习(2.Series的索引和切片、基本概念以及Series的运算)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。