http://pandas.pydata.org/pandasdocs/stable/cookbook.html#cookbook
基本使用
Series对象
Series是Pandas中最基本的对象,类似于一维数组的对象,由一 组数据和一组与之相关的数据标签(索引)组成,主要处理时间序 列相关的数据。和一维数据最主要区别Series类型具有索引 (index)对象
创建方法1: 通过list创建Series对象
通过Pandas Series (data, index=index, name =name)方 法来实现Series对象创建,其中 data参数为Series对象中的 值,index为Series的索引,name为 Series的名称
1 price _ series = pd. Series ( price, index = [ 'apple', 'orange’,'grape’,’pear’,’,pitaya']) 2 price = [1.1,1.2,1.3,1.4,1.5] 3 price_series=pd. Series(price) 4 price_series. index 5 price_series. values 6 price_series.name 7 price_ series=pd. Series (price, index = [ 'apple', 'orange', 'grape', 'pear', 'pitaya '],name = 'fruits_price’)
声明Seires 对象时,默认从零开 始依次递增的值作为标签,这种情况下这一列标签与数组 或列表中的下标是一致的。
Series对象在创建时可通过 index 参数指定有意义的标签, 用于区分和识别每个元素,这样在访问元素时就不用知道对 应元素的顺序了
把 Series 对象看成由两个数组组成,前面的数组称为索 引,后面的数组称为 Series 对象的值。
创建方法2:通过Python字典对象(dict)创建Series对象
1 fruit _ price_ dict = {‘apple’:1.1, 'orange’: 1.2, Γ ‘grape’: 1.3, 'pear' : 1. 4,’pitaya’: 1.5} 2 price_ series=pd.Series (fruit_price_dict) 3 price_ series=pd.Series (fruit_price _dict, index = [ 'apple’,’pear’,’banana’]) # 通过字典创建 Series, index长度不必和字典长度相同通过字典创建Series对象的两个特点:
1. 在默认情况下keys会变成Series对象的索引,values会 变成Series对象的值。
2. index长度可以和字典长度不同。数据会按index的顺序 重新排列,如果index多,Pandas将自动为多余的index 分配NaN(Not a Number,pandas中数据缺失的标 准);如果index少,就截取对应部分的字典内容
创建方法3:通过使用 NumPy数组创建一个新的 Series对象
1 arr= np. arange (0,6) # 创建 ndarray类型对象 2 ser1= pd. Series (arr)
创建方法4: 通过一个 Series 对象生成另一个 Series 对象
1 ser2= pd. Series (ser1) 2 arr[0]=100 3 print(ser1) 4 print(ser2)
通过ndarray类型或者Series类型创建Series对象的特点:
创建的新 Series 对象并不是新的副本,而是对原来的 ndarray 类型对象或 Series 类型对象的一个引用。即当原 来的ndarray 类型对象或Series 类型对象发生改变时,新的Series类型对象也会发生相应的改变。修改通过引用创建的 Series,其引用的 Series 对象和 ndarray 类型对象值对应地发生改变。
标签:index,对象,Series,price,series,创建,Pandas From: https://www.cnblogs.com/silvia-cloud2/p/16964759.html