本文介绍了pandas中的series数据类型详解，分享给大家，具体如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
|
import pandas as pd
import numpy as np
import names
'''
写在前面的话：
1、series与array类型的不同之处为series有索引，而另一个没有;series中的数据必须是一维的，而array类型不一定
2、可以把series看成一个定长的有序字典，可以通过shape,index,values等得到series的属性
'''
# 1、series的创建
'''
（1）由列表或numpy数组创建
默认索引为0到N-1的整数型索引，如s1;
可以通过设置index参数指定索引，如s2；
通过这种方式创建的series，不是array的副本，即对series操作的同时也改变了原先的array数组，如s3
（2）由字典创建
字典的键名为索引，键值为值，如s4；
'''
n1 = np.array([1, 4, 5, 67, 7, 43, ])
s1 = pd.Series(n1)
# print(s1)
'''
1
4
5
67
7
43
dtype: int32
'''
s2 = pd.Series(n1, index=['a', 'b', 'c', 'd', 'e', 'f'])
# print(s2)
'''
a 1
b 4
c 5
d 67
e 7
f 43
dtype: int32
'''
# print(n1)
'''
[ 1 4 5 67 7 43]
'''
s1[2] = 100
s3 = s1
# print(s3)
'''
1
4
100
67
7
43
dtype: int32
'''
# print(n1)
'''
[ 1 4 100 67 7 43]
'''
dict1 = {}
for i in range(10, 15):
# names.get_last_name()，随机生成英文名字
dict1[names.get_last_name()] = i
s4 = pd.Series(dict1)
# print(s4)
'''
Poole 10
Allen 11
Davis 12
Roland 13
Brehm 14
dtype: int64
'''
# 2、series的索引
'''
（1）通过index取值，可以通过下标获取，也可以通过指定索引获取，如s6，s7
（2）通过.loc[]（显示索引）获取，这种方式只能获取显示出来的索引，无法通过下标获取，如s7（推荐）
（3）隐式索引，使用整数作为索引值，使用.icol[]，如s9（推荐）
'''
s5 = pd.Series(np.array([1, 5, 9, 7, 6, 4, 52, 8]), index=[list('abcdefgh')])
# print(s5)
'''
a 1
b 5
c 9
d 7
e 6
f 4
g 52
h 8
dtype: int32
'''
s6 = s5[2]
# print(s6)
'''
'''
s7 = s5['c']
# print(s7)
'''
c 9
dtype: int32
'''
s8 = s5.loc['c']
# print(s8)
'''
c 9
dtype: int32
'''
s9 = s5.iloc[2]
# print(s9)
'''
'''
# 3、series的切片
'''
1、series的切片和列表的用法类似，不同之处在于建议使用.loc[:]和.iloc[:]，如s10和s11。当然直接使用[:]也可以。
2、当遇到特别长的series，我们支取出前5条或后5条数据时可以直接使用.head()或.tail()
'''
s5 = pd.Series(np.array([1, 5, 9, 7, 6, 4, 52, 8]), index=[list('abcdefgh')])
# print(s5)
'''
a 1
b 5
c 9
d 7
e 6
f 4
g 52
h 8
dtype: int32
'''
s10 = s5.loc['b':'g']
# print(s10)
'''
b 5
c 9
d 7
e 6
f 4
g 52
dtype: int32
'''
s11 = s5.iloc[1:7]
# print(s11)
'''
b 5
c 9
d 7
e 6
f 4
g 52
dtype: int32
'''
# 4、关于NaN
'''
（1）NaN是代表空值， 但不等于None。两者的数据类型不一样，None的类型为<class 'NoneType'>，而NaN的类型为<class 'float'>；
（2）可以使用pd.isnull(),pd.notnull()，或自带isnull(),notnull()函数检测缺失数据
'''
# print(type(None),type(np.nan))
'''
<class 'NoneType'> <class 'float'>
'''
s12 = pd.Series([1,2,None,np.nan],index=list('烽火雷电'))
# print(s12)
'''
烽 1.0
火 2.0
雷 NaN
电 NaN
dtype: float64
'''
# print(pd.isnull(s12))
'''
烽 False
火 False
雷 True
电 True
dtype: bool
'''
# print(pd.notnull(s12))
'''
烽 True
火 True
雷 False
电 False
dtype: bool
'''
# print(s12.notnull())
'''
烽 True
火 True
雷 False
电 False
dtype: bool
'''
# print(s12.isnull())
'''
烽 False
火 False
雷 True
电 True
dtype: bool
'''
# 取出series中不为空的值
# print(s12[s12.notnull()])
'''
烽 1.0
火 2.0
dtype: float64
'''
# series的name属性
'''
'''
s12.name = '风水'
# print(s12)
'''
烽 1.0
火 2.0
雷 NaN
电 NaN
Name: 风水, dtype: float64
'''
|
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://www.cnblogs.com/xshan/p/10289588.html