Pandas模組上——Series型別
阿新 • • 發佈：2020-09-07
Pandas模組
1.非常強大的python資料分析包
2.基於numpy構建的 所以你學習起來會有一種似曾相識的感覺
3.pandas奠定了python在資料分析領域的一哥地位
主要功能
1 具有兩大非常靈活強大的資料型別
Series
DataFrame
2.整合時間模組
3.提供豐富的數學運算和操作(基於Numpy)
4.針對缺失資料操作非常靈活
匯入方法
匯入pandas，約定俗成的匯入語句書寫
import pandas as pd
資料結構之Series
是一種類似於一維陣列物件，由資料和相關的標籤(索引)組成 Series的結構 左側是標籤 右側是資料 Series的建立方式總共有四種 # 第一種 # Series的建立 res = pd.Series([111,222,333,444,555]) res # 預設會自動幫你用索引作為資料的標籤 # 第二種 # 指定元素的標籤:個數一定要一致 res1 = pd.Series([111,222,333,444,555],index=['a','b','c','d','e']) res1 # 第三種 # 直接放字典 res2 = pd.Series({ 'username':'abc', 'password':123, 'hobby':'read' }) res2 # 第四種 pd.Series(0,index=['a','b','c']) 執行結果： a 0 b 0 c 0 dtype: int64
缺失資料處理
isnull 判斷是否缺失，是缺失值返回True
notnull 判斷是否缺失，不是缺失值返回True
# 過濾缺失值 布林型索引
obj[obj.notnull()]
dropna 刪除缺失資料
fillna 填充缺失資料
# 預設也是不修改原來的資料 要想直接修改加引數inplace=True即可
Series的各種特性
基本跟Numpy操作一致 1.ndarray直接建立Series:Series(array) Series可以直接將numpy中的一維陣列轉換(這裡必須只能是一維) res = pd.Series(np.array([1,2,3,4,5,6])) res 2.與標量運算 res = pd.Series([1,2,3,4,5]) res * 2 0 2 1 4 2 6 3 8 4 10 dtype: int64 3.兩個Series運算 res * res 0 1 1 4 2 9 3 16 4 25 dtype: int64 res1 = pd.Series([1,2,3,4],index=['a','b','c','d']) res * res1 0 NaN 1 NaN 2 NaN 3 NaN 4 NaN a NaN b NaN c NaN d NaN dtype: float64 4.通用函式abs res3 = pd.Series([-1,-2,-3,-4,5,6]) res3.abs() 0 1 1 2 2 3 3 4 4 5 5 6 dtype: int64 5.布林值索引 res[res.notnull()] 6.統計函式 7.從字典建立Series:Series(dic) res4 = pd.Series({'username':'abc','password':123}) res4 8.In運算 'username' in res4 True 'username' in res4 # 跟python中的字典不一樣 這裡直接拿資料而不是標籤 print(i) abc 123 9.鍵索引與切片 10.其他函式等
布林選擇器
import numpy as np import pandas as pd mask = pd.Series([True,False,False,True,False]) price = pd.Series([321312,123,324,5654,645]) # 掌握 price[mask] 0 321312 3 5654 dtype: int64 # 瞭解 price|mask 0 True 1 True 2 True 3 True 4 True dtype: bool price&mask 0 False 1 False 2 False 3 False 4 False dtype: bool # 需要掌握 (price > 100) & (price < 700) 0 False 1 True 2 True 3 False 4 True dtype: bool price[(price > 100) & (price < 700)] 1 123 2 324 4 645 dtype: int64
索引及標籤
res = pd.Series({'a':111,'b':222,'c':333,'d':444,'e':555})
一般情況下可以使用兩種方式
# 索引取值
res[0]
111
# 標籤取值
res['a']
111
# 獲取所有的標籤
res.index
Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
# 給標籤加列名稱
res.index.name = 'ZBC'
res
ZBC
a 111
b 222
c 333
d 444
e 555
dtype: int64
# 整數索引
sr = pd.Series(np.arange(6))
sr
0 0
1 1
2 2
3 3
4 4
5 5
dtype: int32
res1 = sr[3:]
res1
3 3
4 4
5 5
dtype: int32
# 索引取值
# res1[1] # 報錯
'''針對取值操作，以後需要用特定的方法來約束'''
# iloc按照索引的方式取值
# loc按照標籤的方式取值
# res1.iloc[1] # 1
#res1.loc[3] # 3
'''非常重要，一定要記憶'''
日期型別
# date_range時間間隔
res1 = pd.date_range('2020-01-01','2020-06-01',freq='M') # frep後面按照指定的時間間隔
res1
DatetimeIndex(['2020-01-31', '2020-02-29', '2020-03-31', '2020-04-30',
'2020-05-31'],
dtype='datetime64[ns]', freq='M')
# 還可以將日期作為Series的標籤
res2 = pd.Series([111,222,333,444,555],index=res1)
res2
2020-01-31 111
2020-02-29 222
2020-03-31 333
2020-04-30 444
2020-05-31 555
Freq: M, dtype: int64
資料對齊
sr1 = pd.Series([12,23,34], index=['c','a','d'])
sr2 = pd.Series([11,20,10], index=['d','c','a',])
sr1 + sr2
執行結果:
a 33
c 32
d 45
dtype: int64
# 可以通過這種索引對齊直接將兩個Series物件進行運算
sr3 = pd.Series([11,20,10,14], index=['d','c','a','b'])
sr1 + sr3
執行結果：
a 33.0
b NaN
c 32.0
d 45.0
dtype: float64
# sr1 和 sr3的索引不一致，所以最終的執行會發現b索引對應的值無法運算，就返回了NaN,一個缺失值
# 因為NaN其實是float型別,所以int64變成float64。（type(np.nan) 結果是:float）
資料操作
# 查
res.loc['a']
# 改
res.iloc[2] = 100
# 增
# 方式1：append不修改原資料
res.append(pd.Series([66],index=['e']))
# 方式2：set_value直接修改原資料
res.set_value('f',999) # 會有一個提示 如果不想有這個提示需要修改配置
# 刪：del關鍵字作用的也是原資料
del res['f']
靈活的算術方法
"""
針對加減乘除等數學運算
可以直接使用符號
也可以使用提供的方法名(可以有額外的功能)
add
sub
div
mul
"""
sr1 = pd.Series([12,23,34], index=['c','a','d'])
sr2 = pd.Series([11,20,10,14], index=['d','c','a','b'])
sr1.add(sr2,fill_value=0)
執行結果：
a 33.0
b 14.0
c 32.0
d 45.0
dtype: float64
# 將缺失值設為0，所以最後算出來b索引對應的結果為14
'''
在計算之前對即將要計算的資料進行缺失值的處理再運算
避免資料不準確的問題
'''