pd.Series()函數(shù)怎么用

這篇文章將為大家詳細(xì)講解有關(guān)pd.Series()函數(shù)怎么用，小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

　　1. Series介紹

　　Pandas模塊的數(shù)據(jù)結(jié)構(gòu)主要有兩：1、Series ;2、DataFrame

　　series是一個(gè)一維數(shù)組，是基于NumPy的ndarray結(jié)構(gòu)。Pandas會(huì)默然用0到n-1來作為series的index，但也可以自己指定index(可以把index理解為dict里面的key)。

　　2. Series創(chuàng)建

　　pd.Series([list]，index=[list])

　　參數(shù)為list;index為可選參數(shù)，若不填寫則默認(rèn)index從0開始;若填寫則index長度應(yīng)該與value長度相等。

　　import pandas as pd

　　s=pd.Series([1,2,3,4,5]，index=['a','b','c','f','e'])

　　print s

　　pd.Series({dict})

　　以一字典結(jié)構(gòu)為參數(shù)。

　　import pandas as pd

　　s=pd.Series({'a':1,'b':2,'c':3,'f':4,'e':5})

　　print s

　　3. Series取值

　　s[index] or s[[index的list]]

　　取值操作類似數(shù)組，當(dāng)取不連續(xù)的多個(gè)值時(shí)可以以list為參數(shù)

　　import pandas as pd

　　import numpy as np

　　v = np.random.random_sample(50)

　　s = pd.Series(v)

　　s1 = s[[3, 13, 23, 33]]

　　s2 = s[3:13]

　　s3 = s[43]

　　print("s1", s1)

　　print("s2", s2)

　　print("s3", s3)

　　s1 3 0.064095

　　13 0.354023

　　23 0.225739

　　33 0.959288

　　dtype: float64

　　s2 3 0.064095

　　4 0.405651

　　5 0.024181

　　6 0.367606

　　7 0.844005

　　8 0.405313

　　9 0.102824

　　10 0.806400

　　11 0.950502

　　12 0.735310

　　dtype: float64

　　s3 0.42803253918

　　4. Series取頭和尾的值

　　.head(n);.tail(n)

　　取出頭n行或尾n行，n為可選參數(shù)，若不填默認(rèn)5

　　import pandas as pd

　　import numpy as np

　　v = np.random.random_sample(50)

　　s = pd.Series(v)

　　print("s.head()", s.head())

　　print("s.head(3)", s.head(3))

　　print("s.tail()", s.tail())

　　print("s.head(3)", s.head(3))

　　s.head() 0 0.714136

　　1 0.333600

　　2 0.683784

　　3 0.044002

　　4 0.147745

　　dtype: float64

　　s.head(3) 0 0.714136

　　1 0.333600

　　2 0.683784

　　dtype: float64

　　s.tail() 45 0.779509

　　46 0.778341

　　47 0.331999

　　48 0.444811

　　49 0.028520

　　dtype: float64

　　s.head(3) 0 0.714136

　　1 0.333600

　　2 0.683784

　　dtype: float64

　　5. Series常用操作

　　import pandas as pd

　　import numpy as np

　　v = [10, 3, 2, 2, np.nan]

　　v = pd.Series(v)

　　print("len():", len(v)) # Series長度,包括NaN

　　print("shape():", np.shape(v)) # 矩陣形狀，(，)

　　print("count():", v.count()) # Series長度，不包括NaN

　　print("unique():", v.unique()) # 出現(xiàn)不重復(fù)values值

　　print("value_counts():\n", v.value_counts()) # 統(tǒng)計(jì)value值出現(xiàn)次數(shù)

　　len(): 5無錫人流醫(yī)院哪家好 http://www.wxbhnkyy120.com/

　　shape(): (5,)

　　count(): 4

　　unique(): [ 10. 3. 2. nan]

　　value_counts():

　　2.0 2

　　3.0 1

　　10.0 1

　　dtype: int64

　　6. Series加法

　　import pandas as pd

　　import numpy as np

　　v = [10, 3, 2, 2, np.nan]

　　v = pd.Series(v)

　　sum = v[1:3] + v[1:3]

　　sum1 = v[1:4] + v[1:4]

　　sum2 = v[1:3] + v[1:4]

　　sum3 = v[:3] + v[1:]

　　print("sum", sum)

　　print("sum1", sum1)

　　print("sum2", sum2)

　　print("sum3", sum3)

　　sum 1 6.0

　　2 4.0

　　dtype: float64

　　sum1 1 6.0

　　2 4.0

　　3 4.0

　　dtype: float64

　　sum2 1 6.0

　　2 4.0

　　3 NaN

　　dtype: float64

　　sum3 0 NaN

　　1 6.0

　　2 4.0

　　3 NaN

　　4 NaN

　　dtype: float64

　　7. Series查找

　　范圍查找

　　import pandas as pd

　　import numpy as np

　　s = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car": None}

　　sa = pd.Series(s, name="age")

　　print(sa[sa>19])

　　jim 22.0

　　lj 24.0

　　ton 20.0

　　Name: age, dtype: float64

　　中位數(shù)

　　import pandas as pd

　　import numpy as np

　　s = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car": None}

　　sa = pd.Series(s, name="age")

　　print("sa.median()", sa.median())

　　sa.median() 20.0

　　8. Series賦值

　　import pandas as pd

　　import numpy as np

　　s = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car": None}

　　sa = pd.Series(s, name="age")

　　print(s)

　　print('----------------')

　　sa['ton'] = 99

　　print(sa)

　　{'ton': 20, 'mary': 18, 'jack': 19, 'jim': 22, 'lj': 24, 'car': None}

　　----------------

　　car NaN

　　jack 19.0

　　jim 22.0

　　lj 24.0

　　mary 18.0

　　ton 99.0

　　Name: age, dtype: float64

關(guān)于“pd.Series()函數(shù)怎么用”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，使各位可以學(xué)到更多知識(shí)，如果覺得文章不錯(cuò)，請(qǐng)把它分享出去讓更多的人看到。