目录
基本特征
创建
自动生成索引
自定义生成索引
使用
基本运算
数据对齐
基本特征
- 类似一维数组的对象
- 由数据和索引组成
- 有序定长的字典
创建
Series能创建出带有数据和索引的字典来，且索引（index）与值（value）之间相互独立。创建方法如下所示：
自动生成索引
Series能创建自动生成索引的字典，索引从0开始，代码如下所示：
import pandas as pd aSer = pd.Series([1, 2.0, 'a']) # 自带索引 print(aSer) print(aSer.values) # 输出值 print(aSer.index) # 输出键运行结果如下所示：
生成自带索引的字典
0 1
1 2.0
2 a
dtype: object值
[1 2.0 ‘a’]键，和range函数类似
RangeIndex(start=0, stop=3, step=1)
自定义生成索引
Series除了能创建自动生成索引的字典外，还能自定义生成索引，代码如下所示：
import pandas as pd bSer = pd.Series(['apple', 'peach', 'lemon'], index=[1, 2, 3]) # 指定索引 print(bSer) print(bSer.values) # 输出值 print(bSer.index) # 输出键运行结果如下所示：
自定义生成索引的字典·
1 apple
2 peach
3 lemon
dtype: object值
[‘apple’ ‘peach’ ‘lemon’]自定义的键
Int64Index([1, 2, 3], dtype=’int64′)
使用
基本运算
定义好了一个Series之后，我们可以对它进行一些简单的操作，代码如下所示：
import pandas as pd import numpy as np aSer = pd.Series([3, 5, 7], index=['a', 'b', 'c']) print(aSer['c']) # 取键值 print(aSer*2) # 值乘2 print(np.exp(aSer)) # 自然对数（e）的N次方, 如e^3运行结果如下所示：
键值
7
把键值乘以2
a 6
b 10
c 14
dtype: int64取自然对数（e）的N次方
a 20.085537 = e^3
b 148.
c 1096.
dtype: float64
数据对齐
数据对齐是Serie的一个很重要的功能，能简化数据处理，代码如下所示：
import pandas as pd data = {'AXP': '86.40', 'CSCO': '122.64', 'BA': '99.44'} sindex = ['AXP', 'CSCO', 'BA', 'AAPL'] aSer = pd.Series(data) # 根据自身创建一个Series print(aSer) print(pd.isnull(aSer)) # 检测哪些值是空的 bSer = pd.Series(data, index= sindex) # 根据自身的值和把另一个列表作为索引创建一个Series print(bSer) # 对应索引无数据的，显示为NaN（Not a number） print(pd.isnull(bSer)) # 检测哪些值是空的运行结果如下所示：
根据自身创建一个Series
AXP 86.40
CSCO 122.64
BA 99.44
dtype: object检测哪些值是空的
AXP False
CSCO False
BA False
dtype: bool根据自身的值和把另一个列表作为索引创建一个Series
AXP 86.40
CSCO 122.64
BA 99.44
AAPL NaN
dtype: object检测哪些值是空的
AXP False
CSCO False
BA False
AAPL True
dtype: bool
数据对齐的一个重要功能是：在运算中自动对齐不同索引的数据，代码如下所示：
import pandas as pd data = {'AXP': '86.40', 'CSCO': '122.64', 'BA': '99.44'} sindex = ['AXP', 'CSCO', 'BA', 'AAPL'] bSer = pd.Series(data, index= sindex) aSer = {'AXP':'86.40','CSCO':'122.64','CVX':'23.78'} cSer = pd.Series(aSer) print(bSer + cSer) # 都有数据才会显示，如bSer中无CVX，所以显示为NaN，都有数据的，因为是字符串，便拼接在一起运行结果如下所示：
AAPL NaN
AXP 86.4086.40
BA NaN
CSCO 122.64122.64
CVX NaN
dtype: object
若数据类型是数值型，便会相加，代码如下所示：
import pandas as pd data = {'AXP':86.40,'CSCO':122.64,'BA':99.44} sindex = ['AXP', 'CSCO', 'BA', 'AAPL'] aSer = pd.Series(data, index = sindex) bSer = {'AXP': 86.40, 'CSCO': 130.64, 'CVX': 23.78} cSer = pd.Series(bSer) print( (aSer+cSer)/2) # 数值相加再除2运行结果如下所示：
AAPL NaN
AXP 86.40
BA NaN
CSCO 126.64
CVX NaN
dtype: float64
2024最新激活全家桶教程，稳定运行到2099年，请移步至置顶文章：https://sigusoft.com/99576.html
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。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。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。 文章由激活谷谷主-小谷整理,转载请注明出处：https://sigusoft.com/140148.html
