pandas学习手记-Series

Series

Series是一种类似Python中字典的对象，它由一组数据以及一组与之对应的标签组成。

# 一个简单的SEries
import pandas as pd

s = pd.Series(['a','b','c','d'], index=[1,2,3,4])
print(s)

Series的字符串表现形式为： 索引在左边，值在右边，当没有指定索引的时候会自动创建一个从0-N的整数索引。
Series可以像字典一样通过索引获取它的值

因为数据结构相似，所以一个字典可以很轻易的转换为一个Series

import pandas as pd

dt = {
	'a': 100,
	'b': 200,
	'c': 300
}
s = pd.Series(dt)
print(s)

得到的执行结果中，字典的键就是Series的索引，字典的值就是索引对应的值。
a    100
b    200
c    300
dtype: int64

当对应的键没有相匹配的值的时候，pandas会用NaN（缺失或非数字）表示。

import pandas as pd

dt = {
    'a': 100,
    'b': 200,
    'c': 300,
    'd': None
}
s = pd.Series(dt)
print(s)
# pandasd isnull和nothull函数用于检测缺失数据
print('===========分割线==========')
print(pd.isnull(s))
print('===========分割线==========')
print(pd.notnull(s))

# Series中也有类似的方法
s.isnull() # 执行结果与上面一样。

就这样传入的数据显示出来是第一列是索引，后面是数据，也可以换过来，第一行是索引，后面每一行书数据：

import pandas as pd

# 创建3个Series
s1 = pd.Series([1, 2, 3], index=[1,2,3], name='A')
s2 = pd.Series([10, 20, 30], index=[1,2,3], name='B')
s3 = pd.Series([100, 200, 300], index=[1, 2, 3], name='C')
# 把没个Series做为一行加到一个DateFrame中
df = pd.DataFrame({s1.name:s1, s2.name:s2, s3.name:s3})
print(df)

Series中的常用属性

Series.indes ： 索引，相当于字典中的keys
Series.data : 值，相当于字典中的vlues
Series.name : name

@快乐是一切