Fork me on GitHub

Python_Compute

发表于 | 分类于 | 评论数： | 阅读次数：

帮助函数 S.method?

Pandas

1.什么是Series

简单来说：一维带标签（索引）的数组

2.Series的特征

  • 数组中的数据可以是任意的类型，包括整数、浮点数、字符串、列表、字典等python对象

  • 数组中的数据应为同一类型

    创建Series

    一般格式
    s = pd.Series(data,index = index)

  • 通过列表list创建Series

    1
    2
    3
    4
    import pandas as pd
    import numpy as np
    s = pd.Series([10,30,20,40])
    si

  • 通过字典dictionary创建Series

    1
    2
    3
    dict_1 = {"a":10,"c":5,"b":40}
    s1 = pd.Series(dict_1)
    s1

字典和Series的区别：

字典是无序的，Series是有序的，通过无序的字典来创建Series后，Series会将字典的键作为自己的索引，并且按升序方式排列

  • 通过数组array创建Series
    1
    2
    3
    array_1 = np.arange(10,16)
    s2 = pd.Series(array_1,index=list("abcdef")) # 设置index
    s2

Series的属性

  • 获得索引index
    1
    2
    s2.index
    Index(['a', 'b', 'c', 'd', 'e', 'f'], dtype='object')

索引为迭代器

  • 通过赋值整体地修改索引值
    1
    2
    s2.index = ["aa","bb","cc","dd","eee","fff"]
    s2

要点：新设置的索引个数必须与原来索引个数一致
值得一提的是：提取单个索引值来修改是不允许的，如果要修改索引值，就得全部重新设置

  • 修改index的名称

    1
    2
    s2.index.name = "banana"
    s2

  • 修改Series的名称

    1
    s2.name = "length"

  • 获取Series的值values

    1
    s2.values

通过以上我们发现，Series对象本身及其索引都有name属性

Series的索引 index

  • 位置索引

    1
    2
    #得到第一行的数
    s2[0]

  • 得到最后一行的数

    1
    s2[-1]

  • 得到特定一些行的数(如第1行，第4行，第6行）

    1
    s2[[0,3,5]]

*名称索引

1
2
#得到索引为aa所对应的数
s2["aa"]

Series的切片slice

  • 索引位置切片
    1
    s2[1:4]

没有包含末端

  • 索引名称切片
    1
    s2["aa":"eee"]

包含末端

修改Series的值

1
2
3
4
s2[index] = value （index表示需要修改的值所对应的索引）
s2[i] = value （i表示需要修改的值所对应的索引位置）
s2["aa"] = 100
s2[2] = 120

添加Series的值

  • 返回一个新的Series，不修改原来的Series
    1
    s2.append(pd.Series([value1,value2,...],index = [index1,index2,...]))
1
2
#添加Series的值,并返回一个新的Series
s2.append(pd.Series([50,60],index=["a1","a2"]))
  • 直接在原来的基础上修改Series
    1
    s2["new index"] = value
  • 通过append来添加Series的值，特点是：
  1. 返回一个新的Series
  2. 批量修改
  • 通过s2["new index"] = value这种方式来添加的值，特点是:
  1. 直接在原来的Series基础上增加值
  2. 每次只能增加一个值

删除Series的值

del s2[index]

1
2
#删除y索引对应的99这个值
del s2["y"]

过滤Series的值

通过布尔选择器（条件筛选）来过滤掉一些值，从而得到满足条件的值

1
2
3
4
5
6
7
8
9
s2[s2 < value]
s2[s2 > value]
s2[s2 == value]
s2[s2 != value]

#单条件筛选
s2[s2 > 90]
#多条件筛选
s2[(s2 > 50) | (s2 < 14)]

Series的缺失值处理

  • 创建一个带有缺失值的Series
    1
    2
    # np.nan
    s = pd.Series([10,np.nan,15,19,None])

提示：None值会被当做NA处理
*

  • 判断是否有缺失值
    isnull（）
  • 判断s中的缺失值
    s.isnull()
  • 如果需要取出这些缺失值，则通过布尔选择器来筛选出来
    s[s.isnull()]

  • 删除缺失值

    1
    2
    3
    4
    5
    6
    #dropna()会删除掉所有缺失值NaN，并返回一个新的Series
    #原有的Series并未发生改变
    s.dropna()
    #如果希望原有的Series发生改变，
    #可以将s.dropna（）返回的新Series直接赋值给原来的Series
    s = s.dropna()

    此外，我们也可以通过过滤的方式来达到一样的删除效果：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    data[~data.isnull()]
    data[data.notnull()]

    s = pd.Series([10,np.nan,15,19,None]) #初始化一下s
     #依然是返回一个新的Series，波浪号~表示否定、非的意思
    s[~s.isnull()]
    #也可以使用 s.notnull
    #通过notnull（）也能实现，同样也是返回一个新的Series
    s[s.notnull()]

  • 填充缺失值
    fillna（） :用指定值或插值的方式填充缺失值

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    用指定值填充缺失值
    #用0填充缺失值,返回的依然是一个新的Series
    s.fillna(value=0)

    #如果希望直接修改原Series
    #一种方法是之前说的直接赋值，另一种是添加参数inplace=True
    s.fillna(value=0,inplace=True)

    #用插值填充缺失值
    #初始化一下s
    s = pd.Series([10,np.nan,15,19,None])

    #向前填充（ffill，全称是front fill）

    s.fillna(method="ffill")

    #向后填充（bfill，全称是back fill）

    s.fillna(method="bfill")`

排序

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
#创建一个Series
s3 = pd.Series([10,15,8,4,20],index=list("gadkb"))
s3
g    10
a    15
d     8
k     4
b    20
dtype: int64

#（1）根据索引排序
#sort_index() 默认升序，如果添加参数ascending=False,则降序排列

#(2)根据索引升序排列
# 根据值排序 sort_values
s3.sort_index()
a    15
b    20
d     8
g    10
k     4
dtype: int64
#根据索引降序排列
s3.sort_index(ascending=False)

排名

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# rank（）

# 创建一个用来排名的Series
s4 = pd.Series([2,5,15,7,1,2])
s4
0     2
1     5
2    15
3     7
4     1
5     2

# 中国式排名
s4.rank(ascending=False,method="dense")
0    4.0
1    3.0
2    1.0
3    2.0
    4    5.0
    5    4.0

Series的描述性统计

  • 值的计数 Series.value_counts（）
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
#创建一个Series
s5 = pd.Series([100,50,100,75,24,100])
s5

#值的计数 Series.value_counts（）
s5.value_counts()
100    3
75     1
50     1
24     1

#最小值 s5.min（）
s5.min()
24
#最大值 s5.max（）
s5.max()
100
#中位数 s5.median（）
s5.median()
#均值 s5.mean（）
s5.mean()
74.83333333333333
#求和 s5.sum（）
s5.sum()
449
#标准差 s5.std()
s5.std()
31.940048006643114

#描述性统计 s5.describe（）
s5.describe().round(1)      # round表示小数点后多少位
count      6.0
mean      74.8
std       31.9
min       24.0
25%       56.2
50%       87.5
75%      100.0
max      100.0

Series的向量化运算

可对Series进行批量操作，并且返回一个新的Series
并不会在原基础上直接修改

1
2
3
s5 + 1000
s5 * 2
s5 / 10

自动对齐相同索引的数据,不同索引的数据对不上，则显示NaN

1
2
3
4
5
6
7
8
9
s6 = pd.Series([35000,40000,71000,5500],index=list("abcd"))
s7 = pd.Series([222,35000,4000,2222],index=list(aqtb))
s6 + s7
a    35222.0
b    42222.0
c        NaN
d        NaN
q        NaN
t        NaN

喜欢的可以对我打赏了哟~
分享到： 收藏夹 复制网址 邮件 微信 QQ空间 腾讯微博 豆瓣 一键分享 更多