Pandas Series

Y3G 發布于2019-07-30 18:37 / 2342人閱讀

摘要：內插或填充或前向或進位填充或后向或進位填充轉換為字典可以通過轉換為一個字典判斷判斷，判斷有兩個方法和會對的每個元素的值進行判斷，如果是則為，否則為。會對的每個元素的值進行判斷，如果是則為，否則為刪除填充項

創建

通過列表創建

si = pd.Series([1, 2, 3, 4])

通過 np.arange() 創建

si = pd.Series(np.arange(8))

通過對象創建

si = pd.Series({"a": 1, "b": 2, "c": 3})

屬性

查看Series的values

si.values  # array([1, 2, 3])

查看Series的index

si.index  # Index(["1", "2", "3"], dtype="object")

方法 獲取元素

si = pd.Series([1, 2, 3], index=["A", "B", "C"])
si["A"]  # 1
si[0]  # 1

對值過濾

si = pd.Series([1, 2, 3], index=["A", "B", "C"])
si[si > 1]
# B 2
# C 3

重置編號

Series默認編號為int類型的數字，我們可以重置Series的編號

在創建時重置

si = pd.Series([1, 2, 3], index=["A", "B", "C"])
# A    1
# B    2
# C    3

通過 reindex() 方法重置

reindex() 方法接收一個新的 index 列表，用于替換原來的 index ，如果新的 index 包含原來的 index 沒有的元素則新增的index元素默認填充為 NaN ，可以通過指定參數 fill_value 改變默認的值。

si = pd.Series([1, 2, 3])
si.reindex(index=["A", "B", "C", "D", "E"])
# A    NaN
# B    NaN
# C    NaN
# D    NaN
# E    NaN
# dtype: float64

s1 = pd.Series([1, 2, 3])
s1.reindex(index=["A", 2, "C", "D", "E"], fill_value=0)
# A    0
# B    3
# C    0
# D    0
# E    0
# dtype: int64

內插或填充 method

obj1=pd.Series(range(3), index=["a", "c", "e"])
print(obj1.reindex(["a", "b", "c", "d", "e"], method="pad"))
# a    0
# b    0
# c    1
# d    1
# e    2
# dtype: int64

ffill 或 pad: 前向（或進位）填充
bfill 或 backfill : 后向（或進位）填充

轉換為字典

Series可以通過 to_dict() 轉換為一個Python字典：

si = pd.Series([1, 2, 3], index=["A", "B", "C"])
si.to_dict()

NaN 判斷NaN

判斷NaN，Series判斷NaN有兩個方法 isna() 和 notna() ：

isna() 會對Series的每個元素的值進行判斷，如果是NaN則為 True，否則為False。

notna()會對Series的每個元素的值進行判斷，如果是NaN則為 False，否則為True

si = pd.Series([1, 2, 3, np.nan], index=["A", "B", "C", "D"])
si.isna()
# A    False
# B    False
# C    False
# D     True
# dtype: bool

刪除NaN

si.dropna()

填充NaN項

si.fillna(value)

GPU云服務器云服務器 Series pandas Time Series Database pandas python

文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。

轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/42768.html

python_pandas學習

摘要：的名稱來自于面板數據和數據分析。以下的內容主要以為主。終端輸入導入相關模塊是一種類似于一維數組的對象，它由一組數據各種數據類型以及一組與之相關的數據標簽即索引組成。如果僅傳入一個序列，則會重新索引行函數的參數參數說明用作索引的新序列。原文鏈接 numPy pandas的數據結構介紹簡介 Pandas [1] 是python的一個數據分析包，最初由AQR Capital Mana...

codercao 2019-07-30 16:10 評論0 收藏0
【數據科學系統學習】Python # 數據分析基本操作[二] pandas

摘要：中面向行和面向列的操作基本是平衡的。用層次化索引，將其表示為更高維度的數據。使用浮點值表示浮點和非浮點數組中的缺失數據。索引的的格式化輸出形式選取數據子集在內層中進行選取層次化索引在數據重塑和基于分組的操作中很重要。我們在上一篇介紹了 NumPy，本篇介紹 pandas。 pandas入門 Pandas 是基于Numpy構建的，讓以NumPy為中心的應用變的更加簡單。 pandas...

jayzou 2019-07-31 11:11 評論0 收藏0
Python數據分析工具pandas

摘要：一關于是基于構建，經許可的開源庫，為開發者提供高性能，易用的數據結構和數據分析工具。官網二數據結構一維標記的數組，能夠保存任何數據類型整數，字符串，浮點數，對象等。軸標簽統稱為索引。二維的表格型數據結構。一、關于pandas pandas是基于NumPy構建，經BSD許可的開源庫，為Python開發者提供高性能，易用的數據結構和數據分析工具。pandas官網二、數據結構 1、Ser...

ernest.wang 2019-07-30 18:36 評論0 收藏0
Pandas技巧大全：含具體代碼實現

摘要：查看數據的基本統計信息。用處是用于數據讀寫處理更改提取等一系列操作的包，可以說，所有能實現的功能，都可以通過代碼輕松實現，因此，對于學習非常重要。如果在里，需要翻到最低和最右，而且可能由于溢出無法窮盡可以簡單的實現。放在前面的話? ? ????? ? ? ?? ????????這學期刻意少...

netmou 2021-09-30 09:48 評論0 收藏0
Python數據分析學習筆記之Pandas入門

摘要：是一個數據分析的開源庫。與表格或關系數據庫中的表非常神似。注意帶有一個索引，類似于關系數據庫中的主鍵。的統計函數分組與聚合通過方法，可以對數據組施加一系列的函數。函數的作用是串聯，追加數據行使用函數。 pandas(Python data analysis)是一個Python數據分析的開源庫。pandas兩種數據結構：DataFrame和Series 安裝：pandas依賴于NumPy...

zqhxuyuan 2019-07-25 11:21 評論0 收藏0