Pandas里的Series学习

python里有列表，很强大，pandas里的Series更强大，它是dataframe的基石。

Series是什么？

它可以表示表格中的一列数据（理论上不太严谨，表格里的一行也是Series），相当于一维数组，它最强大的地方在于它可以通过标签快速找到它，也称为索引。

通过列表构建一个Series

import pandas as pd

# 语文，数学，英语
score = pd.Series([99, 120, 114])
print(score)
1
2
3
4
5

输出：

0     99
1    120
2    114
dtype: int64
1
2
3
4

指定索引

三科的成绩可以用不同的标签来索引它。

import pandas as pd

# 语文，数学，英语
score = pd.Series([99, 120, 114], index=['cn', 'math', 'en'])
print(score)
1
2
3
4
5

输出：

cn       99
math    120
en      114
dtype: int64
1
2
3
4

dtype数据类型

Series里的所有数据的类型必须是一致的，构建的时候系统会自动猜出一种数据类型，上面的例子里是int64，但成绩可能是小数，所以可以指定dtype参数。

这里需要导入numpy，用到np.float32。

import pandas as pd
import numpy as np

# 语文，数学，英语
score = pd.Series([99, 120, 114], index=['cn', 'math', 'en'], dtype=np.float32)
print(score)
1
2
3
4
5
6

输出：

cn       99.0
math    120.0
en      114.0
dtype: float32
1
2
3
4

如果直接用小数构建Series，则dtype类型为float64。

score = pd.Series([99.0, 120.0, 114.0], index=['cn', 'math', 'en'])
1

输出：

cn       99.0
math    120.0
en      114.0
dtype: float64
1
2
3
4

访问元素

与python里的列表一样。可以根据位置访问，还可以根据标签访问。

print(score[0])
print(score['cn'])
print(score['math'])
print(score['en'])
1
2
3
4

从字典构建Series

字典里的key就是索引，value就是Series的值。

score = pd.Series({'cn':99.0, 'math':120.0, 'en':114.0})
1

需要注意的是：字典里的key是不允许重复的，但Series里的索引可以重复。

索引index、值values

score = pd.Series({'cn':99.0, 'math':120.0, 'en':114.0})
print(score.index)
print(score.values)
1
2
3

输出：

Index(['cn', 'math', 'en'], dtype='object')
[ 99. 120. 114.]
1
2

从numpy构建Series

arr = np.random.random(size=10)
ser = pd.Series(arr)
print(ser)
1
2
3

输出：

0    0.112506
1    0.507774
2    0.732660
3    0.480606
4    0.944777
5    0.777633
6    0.682351
7    0.011652
8    0.893980
9    0.971912
dtype: float64
1
2
3
4
5
6
7
8
9
10
11

切片

可以像python里根据位置来切片，注意范围是开区间。
也可以用标签来切片，这里是闭区间，即冒号前后的元素都包含在内。

score = pd.Series({'cn':99.0, 'math':120.0, 'en':114.0})
print(score[0:2])
print(score['cn':'math'])
1
2
3

输出2遍：

cn       99.0
math    120.0
dtype: float64
1
2
3

元素的个数

score = pd.Series({'cn':99.0, 'math':120.0, 'en':114.0})
print(len(score))
print(score.size)
print(score.shape)
1
2
3
4

输出：

3
3
(3,)
1
2
3

注意这里的shape返回多维数组的每一个维度。

条件筛选

在索引的方括号里还可以直接写条件表达式，将满足条件的数据直接取出来。

score = pd.Series({'cn':99.0, 'math':120.0, 'en':114.0})
print(score[score > 100])
1
2

输出：

math    120.0
en      114.0
dtype: float64
1
2
3

运算

python里列表的加法是concat，而Series里的运算则是向量运算。

score = pd.Series({'cn':99.0, 'math':120.0, 'en':114.0})
score2 = score - 10.0
print(score2)
1
2
3

输出：

cn       89.0
math    110.0
en      104.0
dtype: float64
1
2
3
4

两个Series之间的运算则是根据标签来合并的，如果某个标签没有值，则显示NaN（缺失值not a number）。

score = pd.Series({'cn':99.0, 'math':120.0, 'en':114.0})
score2 = score + pd.Series({'cn':10.0, 'math':0, 'phy':70.0})
print(score2)
1
2
3

输出：

cn      109.0
en        NaN
math    120.0
phy       NaN
dtype: float64
1
2
3
4
5

判断是否有重复元素

下面的代码里，a没有重复元素，b里的元素1有重复。

a = pd.Series([1, 2, 3, 4, 5])
b = pd.Series([1, 1, 3, 4, 5])
print(a.is_unique)
print(b.is_unique)
1
2
3
4

输出：

True
False
1
2

修改元素

下面的代码增加了物理成绩。

score = pd.Series({'cn':99.0, 'math':120.0, 'en':114.0})
score['phy'] = 70.0
print(score)
1
2
3

输出：

cn       99.0
math    120.0
en      114.0
phy      70.0
dtype: float64
1
2
3
4
5

也可以用切片修改多个元素。

score = pd.Series({'cn':99.0, 'math':120.0, 'en':114.0})
score['cn':'math'] = 0
print(score)
1
2
3

输出：

cn        0.0
math      0.0
en      114.0
dtype: float64
1
2
3
4

添加元素

score1 = pd.Series({'cn':99.0, 'math':120.0, 'en':114.0})
score2 = pd.Series({'phy':70, 'chem':66})
score3 = pd.concat([score1, score2])
print(score3)
1
2
3
4

输出：

cn       99.0
math    120.0
en      114.0
phy      70.0
chem     66.0
dtype: float64
1
2
3
4
5
6

删除元素

用python里的del可以删除元素。另外一种办法是drop()函数。
要注意drop()的默认行为，是返回一个删除了元素之后的对象，原来的Series并没有任何改变。

score1 = pd.Series({'cn':99.0, 'math':120.0, 'en':114.0})
score2 = score1.drop(index='cn')
print(score1)
print(score2)
1
2
3
4

输出：

cn       99.0
math    120.0
en      114.0
dtype: float64
math    120.0
en      114.0
dtype: float64
1
2
3
4
5
6
7

如果想在原来的Series上执行删除操作，则要指定inplace=True参数。

score = pd.Series({'cn':99.0, 'math':120.0, 'en':114.0})
score.drop(index=['cn','en'], inplace=True)
print(score)
1
2
3

输出：

math    120.0
dtype: float64
1
2

最大值、最小值

找出最大的2个，最小的2个。

ser = pd.Series([99, 120, 114, 70, 49.5, 130, 49, 48.5, 49.5, 60])
print(ser.nlargest(2))
print(ser.nsmallest(2))
1
2
3

输出：

5    130.0
1    120.0
dtype: float64
7    48.5
6    49.0
dtype: float64
1
2
3
4
5
6

统计元素的个数

ser = pd.Series(['a','a','a','b','b','c'])
print(ser.value_counts())
1
2

输出：

a    3
b    2
c    1
dtype: int64
1
2
3
4