admin管理员组

文章数量:1530361

序列与数据框

一、Series构造：

1、同质的列表或元组构建：
指定索引值构建：

序列的索引可以通过按位置赋值的方式进行改变：

2、字典构建：通过字典构建产生的series索引为字典的键：
按照想要的顺序指定字典键的顺序使生成的索引顺序满足要求

3、通过Numpy中的一维数组构建
4、通过DataFrame中的某一列构建

二、序列的索引

获取一维数组的所有索引方法都可以应用在序列上；相对于数组索引，序列还可以使用标签索引（行名称），异于普通python切片，使用标签切片索引可以包含尾部，如obj[a:c]，包含索引为c的部分。
序列的布尔索引：

序列通过标签、行号、行号切片、标签列表，行号列表索引：

三、序列常用属性

values：series1.values 获取由series1的值组成的数组
index：series1.index 获取series1的索引
dtype: series1.dtype 返回series1的值的类型
size：series1.size 返回series1值个数
name: series1.name=‘a’,将series1序列名称改为a； series1.index.name=‘b’；将series1序列索引名称改为b

四、序列常用的函数与方法

数组的数学和统计函数可以应用到序列对象上，另外序列还有自身的方法。
例：
np.mean(series1) #使用数组的方法
series1.mean() #使用自身的方法
如果需要进行数学函数的运算，一般首选numpy模块，因为pandas模块在这方面比较缺乏，如果对序列做统计运算，既可以用numpy模块中的函数，也可以使用序列的方法，一般首选序列方法，因为序列方法更丰富，如计算偏度，峰度等，numpy模块没有。

数学操作中，序列具有自动对齐索引特性



五、数据框构造及编辑

数据框实际是一个数据集，数据框的行代表每一条观测，列代表各个变量。各变量的数据类型可以不同。

（1）pd.DataFrame()函数构造数据框：

1、嵌套列表或元组：
每一个元素作为一行观测，行和列的标签是可选参数
2、二维数组：
类似嵌套列表或元组，数组每一行作为一条观测
3、字典：
字典的键为列名，值为每一行，可以指定列的顺序，如果传入的列不包含在字典中，将产生缺失值


4、Series构成的字典：
每个值成为一列，每个序列的行索引联合起来形成DataFrame的行索引
5、字典构成的字典：
每个内部字典成为一列，内部字典的键联合起来形成DataFrame的行索引
6、字典或序列组成的列表：
列表中的一个元素形成数据框的一行，字典的键或序列的索引联合起来形成数据框的列标签

（2

本文标签： 入门pandas

版权声明：本文标题：学习总结三——Pandas入门 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://m.elefans.com/xitong/1725272540a1015943.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。