pandas資料結構之series操作

概覽：

​

原來的文件是在乙個地方，那邊的**看起來舒服些  

要點：索引，軸標籤，生成例項時傳入的資料型別

​#*生成：pd.series(data,index)        data是傳入的資料，index是第一列的名稱（即標籤）      （其他不常用的引數忽略）

#ndarray （data的型別）

>>> pd.series(np.random.randn(5))

0    1.617186
1    0.326732
2   -0.230443
3   -0.137932
4    0.474872
dtype: float64
>>> pd.series(np.random.randn(5),index=['a', 'b', 'c', 'd', 'e'])
a    0.048464
b    1.413755
c    0.036489
d    0.533946
e    0.286384
dtype: float64

#dict

>>> d = 

>>> pd.series(d)
b    1
a    0
c    2
dtype: int64

>>> pd.series(d,index=['b', 'c', 'd', 'a'])

b    1.0
c    2.0
d    nan
a    0.0
dtype: float64

#scalar (標量)

>>> pd.series(5,index=['a', 'b', 'c', 'd', 'e'])

a    5
b    5
c    5
d    5
e    5
dtype: int64
>>> pd.series('a',index=['b', 'c', 'd', 'a'])
b    a
c    a
d    a
a    a
dtype: object

#*操作

#ndarray-like

切片，過濾，通過索引取值

>>> se =pd.series(np.random.randn(5),index=['a', 'b', 'c', 'd', 'e'])

>>> se[:3]  #slice
a    1.169659
b   -1.557760
c    1.199475
dtype: float64
>>> se[se >se.median()]  #filter
a    1.169659
c    1.199475
dtype: float64
>>> se[[4,3,1]]  #indexing
e   -1.113787
d    0.571881
b   -1.557760
dtype: float64

索引，in 判斷

>>> se['a']=12 #indexing

>>> 'e' in se
true

>>> se+se

a    24.000000
b    -3.115519
c     2.398949
d     1.143761
e    -2.227573
dtype: float64
>>> se*4
a    48.000000
b    -6.231039
c     4.797899
d     2.287523
e    -4.455147
dtype: float64
>>> np.exp(se)
a    162754.791419
b         0.210607
c         3.318373
d         1.771596
e         0.328313
dtype: float64

>>> s=pd.series(np.random.randn(5),name='something')

>>> s
0   -0.010572
1   -0.519850
2    0.649738
3   -0.443780
4    0.402685
name: something, dtype: float64
>>> s2=s.rename('different')
>>> s2
0   -0.010572
1   -0.519850
2    0.649738
3   -0.443780
4    0.402685
name: different, dtype: float64

原始碼：

import pandas as pdu

import numpy as npa
n#basic tentet:data aligment/基本的原則：資料對齊m
#point:data types;indexing;axis labeling/alignment]/要點：資料型別，索引，軸標籤和對齊
def series():
#*generate
#ndarray
se=pd.series(np.random.randn(5))
se =pd.series(np.random.randn(5),index=['a', 'b', 'c', 'd', 'e'])
#dict
d = 
se=pd.series(d)
se=pd.series(d,index=['b', 'c', 'd', 'a'])
#scalar
se=pd.series(5,index=['a', 'b', 'c', 'd', 'e'])
#*operate
#ndarrat-like
se[:3]  #slice
se[se >se.median()]  #filter
se[[4,3,1]]  #indexing
#dict-like
se['a']=12 #indexing
'e' in se
#compute
se+se
se*2
np.exp(se)

pandas資料結構之Series

series 是一種類似於一維陣列的物件，它由一組資料和一組與之相關的資料標籤 lable 或者說索引 index 組成。現在我們使用series生成乙個最簡單的series物件，因為沒有給series指定索引，所以此時會使用預設索引 從0到n 1 from pandas import series...

Pandas資料結構之Series

import pandas as pd series類 生成series類的方法 1.obj pd.series 4,7,5,3 obj2 pd.series 4,7,5,3 index a b c d print obj2.values,obj2.index print obj2 a print ...

pandas資料結構之Dataframe

綜述 numpy主要用於進行運算 dataframe更切合於業務邏輯 dataframe的常用的屬性 屬性 說明 shape dataframe的形狀 values dataframe的值,numpy.ndarray index 行索引 index.name 行索引的名字 columns 列索引 c...