Python数据处理之pd.Series()函数怎么使用

本文小编为大家详细介绍“python数据处理之pd.Series()函数怎么使用”，内容详细，步骤清晰，细节处理妥当，希望这篇“Python数据处理之pd.Series()函数怎么使用”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。

1.Series介绍

pandas模块的数据结构主要有两种：1.Series 2.DataFrame

Series 是一维数组，基于Numpy的ndarray 结构

Series([data, index, dtype, name, copy, …])    # One-dimensional ndarray with axis labels (including time series).

2.Series创建

import Pandas as pd import numpy as np

1.pd.Series([list],index=[list])

参数为list ,index为可选参数，若不填写则默认为index从0开始

obj = pd.Series([4, 7, -5, 3, 7, np.nan])obj

输出结果为：

0    4.0
1    7.0
2   -5.0
3    3.0
4    7.0
5    NaN
dtype: float64

2.pd.Series(np.arange())

arr = np.arange(6)s = pd.Series(arr)s

输出结果为：

0    0
1    1
2    2
3    3
4    4
5    5
dtype: int32

pd.Series({dict})d = {'a':10,'b':20,'c':30,'d':40,'e':50}s = pd.Series(d)s

输出结果为：

a    10
b    20
c    30
d    40
e    50
dtype: int64

可以通过DataFrame中某一行或者某一列创建序列

3 Series基本属性

• Series.values：Return Series as ndarray or ndarray-like depending on the dtype

obj.values# array([ 4.,  7., -5.,  3.,  7., nan])

• Series.index:The index (axis labels) of the Series.

obj.index# RangeIndex(start=0, stop=6, step=1)

• Series.name:Return name of the Series.

4 索引

• Series.loc:Access a group of rows and columns by label(s) or a boolean array.

• Series.iloc:Purely integer-location based indexing for selection by position.

5 计算、描述性统计

 Series.value_counts:Return a Series containing counts of unique values.

index = ['Bob', 'Steve', 'Jeff', 'Ryan', 'Jeff', 'Ryan'] obj = pd.Series([4, 7, -5, 3, 7, np.nan],index = index)obj.value_counts()

输出结果为：

 7.0    2
 3.0    1
-5.0    1
 4.0    1
dtype: int64

6 排序

Series.sort_values

Series.sort_values(self, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last')

Parameters:

Returns:

Series：Series ordered by values.

obj.sort_values()

输出结果为：

Jeff    -5.0
Ryan     3.0
Bob      4.0
Steve    7.0
Jeff     7.0
Ryan     NaN
dtype: float64

• Series.rank

Series.rank(self, axis=0, method='average', numeric_only=None, na_option='keep', ascending=True, pct=False)[source]

Parameters:

Returns:

same type as caller :Return a Series or DataFrame with data ranks as values.

# obj.rank()            #从大到小排，NaN还是NaNobj.rank(method='dense')  # obj.rank(method='min')# obj.rank(method='max')# obj.rank(method='first')# obj.rank(method='dense')

输出结果为：

Bob      3.0
Steve    4.0
Jeff     1.0
Ryan     2.0
Jeff     4.0
Ryan     NaN
dtype: float64

读到这里，这篇“Python数据处理之pd.Series()函数怎么使用”文章已经介绍完毕，想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会，如果想了解更多相关内容的文章，欢迎关注编程网Python频道。