python之pandas学习 Series(1)

1.为什么学习pandas

pandas和numpy一样都是处理数据的,但numpy只能处理数值型数据,而pandas除了可以处理数值型数据(基于numpy)外,还可以处理其他类型的数据

2.pandas常用的数据类型

2.1 Series 一维,带标签数组

2.2 DataFrame 二维,Series容器

3.开始学习

先安装pandas,直接cmd里写

pip install pandas

然后在工程里把此包引用了就行

4. Series

import pandas
a=pandas.Series([1,2,3,4])
print("Series小例子(带标签的数组就是Series输出有索引):",a,sep='\n')
	Series小例子(带标签的数组就是Series输出有索引):
	0    1
	1    2
	2    3
	3    4
	dtype: int64
'''Series指定索引,指定时候必须和Series的长度相等'''
a2=pandas.Series([4,5,6,7],index=list("abcd"))
print("输出指定了索引的Series:",a2,sep='\n')
	输出指定了索引的Series:
	a    4
	b    5
	c    6
	d    7
	dtype: int64
'''通过字典方式创建自定义索引的Series'''
o={"name":"drt","age":22,"gender":"man"}
a3=pandas.Series(o)
print("通过字典方式创建自定义索引的Series:",a3,sep='\n')
	通过字典方式创建自定义索引的Series:
	name      drt
	age        22
	gender    man
	dtype: object
'''修改Series的dtype'''
b=a.astype("float")#a的dtyoe并不改变
print("打印修改后的Series",b,sep='\n0')
	打印修改后的Series
	00    1.0
	1    2.0
	2    3.0
	3    4.0
	dtype: float64
'''通过索引或位置取Series的值'''
print("通过索引或位置取,都一样:",a3["name"],a3[0])
	通过索引或位置取,都一样: drt drt
print("取第一行以后的,包括第一行:",a3[1:],sep='\n')
	取第一行以后的,包括第一行:
	age        22
	gender    man
	dtype: object
print("取第二行以前的,包括第二行:",a3[:2],sep='\n')
	取第二行以前的,包括第二行:
	name    drt
	age      22
	dtype: object
print("取第0行和第2行(通过位置取):",a3[[0,2]],sep='\n')
	取第0行和第2行(通过位置取):
	name      drt
	gender    man
	dtype: object
print("取第0行和第2行(通过索引取):",a3[["name","gender"]],sep='\n')
	取第0行和第2行(通过索引取):
	name      drt
	gender    man
	dtype: object
'''取出符合条件的值'''
c=pandas.Series(range(5,15))
print(c)
	0     5
	1     6
	2     7
	3     8
	4     9
	5    10
	6    11
	7    12
	8    13
	9    14
	dtype: int64
print("取出值大于10的:",c[c>10],sep='\n')
	取出值大于10:
	6    11
	7    12
	8    13
	9    14
	dtype: int64
'''只取Series的索引或值'''
print("打印出a3的索引:",a3.index,sep='\n')
for i in a3.index:
    print(i)
print("打印Series的值:",a3.values,sep='\n')
for i in a3.values:
    print(i)
  	打印出a3的索引:
	Index(['name', 'age', 'gender'], dtype='object')
	name
	age
	gender
	打印Series的值:
	['drt' 22 'man']
	drt
	22
	man
发布了63 篇原创文章 · 获赞 3 · 访问量 1723

猜你喜欢

转载自blog.csdn.net/qq_34405401/article/details/103001893