-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy path11_panda_series.py
133 lines (108 loc) · 4.41 KB
/
11_panda_series.py
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
# -*- coding: utf-8 -*-
__author__ = 'John'
__date__ = '2019-09-08'
__product__ = 'PyCharm'
__filename__ = '11_panda_intro'
"""
11 pandas简介及其数据结构Series详解_笔记
http://www.ai111.vip/thread-222-1-1.html
"""
"""
熊猫( panda的名词复数 )
pandas 是基于NumPy 的一种工具, 该工具是为了解决数据分析任务而创建的.
Pandas 纳入了大量库和一些标准的数据模型, 提供了高效地操作大型数据集所需的工具.
pandas提供了大量能使我们快速便捷地处理数据的函数和方法.
你很快就会发现, 它是使Python成为强大而高效的数据分析环境的重要因素之一.
pandas 依赖python库: setuptools numpy python-dateutil pytz
pandas 的三大作用: 数据的引入 数据的特征提取 数据的清洗
"""
"""
pandas的基本数据结构: Series和DataFrame
Series: 一种类似于一维数组的对象, 是由一组数据 (各种numpy数据类型) 以及一组与之相关的
数据标签 (即索引) 组成. 仅由一组数据也可产生简单的Series对象, 注意: Series中的索引值是可以重复的
DataFrame数据框架: 一个表格型的数据结构, 包含有一组有序的列, 每列可以是不同的值类型 (数值 字符串 布尔型等)
DataFrame既有行索引也有列索引, 可以被看作是由Series组成的字典
第一种: Series通过一维数组创建
通过数组创建Series的时候, 如果没有为数据指定索引的话, 会自动创建一个从0到n-1的整数索引
当Series对象创建好后, 可以通过index修改索引值
明确给定索引值与数据类型
第二种: Series通过字典的方式创建
"""
import numpy as np
import pandas as pd
# numpy ndarray
# pandas Series DataFrame
arr = np.random.randint(10, 20, (3, 4))
print(arr)
arr = np.array([22, 33, np.nan, 90])
print(arr, arr.dtype)
s1 = pd.Series(arr)
print(s1)
print('series的属性')
print(s1.dtype)
print(s1.index)
print(s1.values)
# assign new index
s1.index = [u'东方', 'a2', 'a3', 'a2']
print(s1)
s2 = pd.Series(data=[88, 99, 100], index=['Chinese', 'Math', 'English'], dtype=np.float)
print(s2)
print('-----')
dict1 = {'Chinese': 88, 'Math': 99, 'English': 100}
s3 = pd.Series(dict1, dtype=np.float)
print(s3)
"""
Series值的获取的两种方式:
1 通过方括号+索引的方式获取对应索引的数据, 可能返回多条数据
2 通过方括号+下标值的方式获取数据, 下标值的取值范围为: [0, len(Series.values))；
另外下标值也可以是负数, 表示从右往左获取数据
Series获取多个值的方式类似Numpy中的ndarray的切片操作
通过方括号+下标值/索引值+冒号(的形式来截取series对象中的一部分数据
注意: 使用下标值去切片是前闭后开区间 使用索引值去切片是全闭区间
Series的运算
numpy中的数组运算, 在Series中都保留了, 都可以使用, 并且Series在进行数组运算的时候
索引与值之间的映射关系不会发生改变
注意: 其实在操作Series的时候, 基本上可以把Series看成numpy中的一维数组来进行
"""
dict1 = {'Chinese': 88, 'Math': 99, 'English': 100}
s1 = pd.Series(dict1, dtype=np.float)
print(s1)
print(s1['Math':'Chinese'])
print(s1['Chinese':'Math'])
print(s1[1:2])
arr1 = np.array([100, 20, 30])
print(s1+arr1)
s2 = pd.Series({'dfy': 100, 'zhangsan': 88})
print(s2)
s2.index = ['a', 'b']
print(s2)
s2 = pd.Series({'dfy': 100, 'zhangsan': 88})
s2 = pd.Series(s2, index=['dfy', 'zhangsan', 'c'])
print(s2)
print('-----')
"""
NaN在pandas中表示一个缺失值或NA值
pandas中的isnull和notnull两个函数可以用于在Series中检测缺失值, 这两个函数返回一个布尔类型的Series
可以快速找到缺失值并给其赋一个默认值
"""
s2[pd.isnull(s2)] = 0
print(s2)
"""
Series自动对齐
当多个series对象之间进行运算的时候, 如果不同series之间具有不同的索引值, 那么运算会
自动对齐不同索引值的数据, 如果某个series没有某个索引值, 那么结果会赋值为NaN
"""
# 自动对齐
s4 = pd.Series(data=[22, 33, 44], index=['s1', 's2', 's3'])
s5 = pd.Series(data=[22, 33, 99], index=['s3', 's4', 's2'])
print(s4+s5)
print('-----')
"""
Series及其索引的name属性
Series对象本身与其索引都有一个name属性, 默认为空, 根据需要可以进行赋值操作
"""
# name series对象 index也有name属性
s6 = pd.Series({'dfy': 100, 'zs': 88, 'ls': 99})
s6.name = 'Math'
s6.index.name = '考试成绩'
print(s6)