pandas基础 -- Series数据结构

Series数据结构

简介

• Series又称之为序列
• Series是一种类似于一维数组的对象，由下面两个部分组成：
  • values：一组数据（ndarray类型）
  • index：相关的数据索引标签
  • name: 为该序列起一个名字，主要在形成DataFrame时，方便行/列的操作
• 由于序列包含了ndarray的结构，所以他可以支持元素级的操作和广播特性

import pandas as pd
import numpy as np

s1 = pd.Series(data=[62, 75, 88, 83])
s1
---------------------------------------------------------------------------
结果：
0    62
1    75
2    88
3    83
dtype: int64

• 默认一个Series左边的称之为索引Index，右边的称之为值values
• 若没有指定索引，默认按照自然数0开始递增
• 可以通过series下的index和values属性访问索引和值

s1.index
---------------------------------------------------------------------------
结果：RangeIndex(start=0, stop=4, step=1)

s1.values
---------------------------------------------------------------------------
结果：array([62, 75, 88, 83], dtype=int64)

s1.name = '数学'
s1
---------------------------------------------------------------------------
结果：
0    62
1    75
2    88
3    83
Name: 数学, dtype: int64

Series创建

创建的空间特性

• 可以使用两种创建方式
  • 1).列表或ndarray
    • 列表会进行拷贝
    • ndarr
  • 2).字典结构
    • 字典的key就是Series的index
    • 字典的value就是Series的values

data_list = [2, 4, 5, 8]
data_array = np.array(data_list)
s2 = pd.Series(data=data_list, index=list("ABCD"))
s3 = pd.Series(data=data_array, index=list("ABCD"))
s2[0] = 100
s3[0] = 100
display(data_list, data_array, s2, s3)
---------------------------------------------------------------------------
结果：
[2, 4, 5, 8]
array([100,   4,   5,   8])
A    100
B      4
C      5
D      8
dtype: int64
A    100
B      4
C      5
D      8
dtype: int32

data_dict = {"A": 10, "B": 20, "C": 30, "D": 40}
s4 = pd.Series(data=data_dict)
s4
---------------------------------------------------------------------------
结果：
A    10
B    20
C    30
D    40
dtype: int64

Series的索引和切片

• 序列具备一维ndarray的特性，所以索引和切片的方式同理一样的语法
• 序列的索引和切片的语法形式：
  • 数字行为，和ndarray行为一致
    • 前闭后开
  • index值行为，Series还有index的属性，方便操作
    • 前闭后闭

display(s4[0], s4[3])
---------------------------------------------------------------------------
结果：
10
40

display(s4[:3])
---------------------------------------------------------------------------
结果：
A    10
B    20
C    30
dtype: int64

display(s4["A"], s4["D"])
---------------------------------------------------------------------------
结果：
10
40

s4[:"C"]
---------------------------------------------------------------------------
结果：
A    10
B    20
C    30
dtype: int64

序列同时增加了loc和iloc的属性，方便切片

• loc[] : 跟index的值操作，又称之为显示索引
• iloc[]: 跟数字的操作一致，又称之为隐式索引

s4.loc["B":"C"]
---------------------------------------------------------------------------
结果：
B    20
C    30
dtype: int64

s4.iloc[1:3]
---------------------------------------------------------------------------
结果：
B    20
C    30
dtype: int64

序列的操作

• 可以把Series看成一个定长的有序字典
• 查看序列
  • series.head(n) : 看前n行的数据
  • series.tail(n) : 看后n行的数据
• 当索引没有对应的值时，出现缺失数据显示NaN的情况
  • 当2个序列相加时，是按照索引值对应相加，若没有对应的索引，结果以NaN出现

s5 = pd.Series(data=[1, 2, 3, 4], index=list("ABCD"))
s6 = pd.Series(data=[2, 3, 4, 5], index=list("ABEF"))
s7 = s5+s6
s7
---------------------------------------------------------------------------
结果：
A    3.0
B    5.0
C    NaN
D    NaN
E    NaN
F    NaN
dtype: float64

• 序列如何查看哪些位置是NaN值
  • 可以使用pd.isnull()，pd.notnull()，或自带isnull(),notnull()函数检测缺失数据
  • 函数说明：
    • pd.isna()/pd.isnull() : 探测序列中每个元素是否为NaN，返回布尔序列。
    • pd.notna()/pd.notnull() : 探测序列中每个元素是否不为NaN,返回布尔序列。
  • 利用上一步产生的布尔索引，在series中重新投影即可

pd.isna(s7)
---------------------------------------------------------------------------
结果：
A    False
B    False
C     True
D     True
E     True
F     True
dtype: bool

序列的计算

• 适用于numpy的数组运算也适用于Series
• Series之间的运算
• 在运算中自动对齐不同索引的数据
  • 如果索引不对应，则补NaN
• 注意：要想保留所有的index，则需要使用.add()函数
  • 利用add函数里，有一个fill_value的参数，对缺失值位置补上对应的值

s8 = s5.add(s6, fill_value=0)
s8
---------------------------------------------------------------------------
结果：
A    3.0
B    5.0
C    3.0
D    4.0
E    4.0
F    5.0
dtype: float64