Skip to content

Latest commit

 

History

History
416 lines (273 loc) · 4.38 KB

152.md

File metadata and controls

416 lines (273 loc) · 4.38 KB
Raw

一维数据结构：Series

In [1]:

import numpy as np
import pandas as pd

Series 是一维带标记的数组结构，可以存储任意类型的数据（整数，浮点数，字符串，Python 对象等等）。

作为一维结构，它的索引叫做 index，基本调用方法为

s = pd.Series(data, index=index)

其中，data 可以是以下结构：

  • 字典
  • ndarray
  • 标量，例如 5

index 是一维坐标轴的索引列表。

从 ndarray 构建

如果 data 是个 ndarray，那么 index 的长度必须跟 data 一致：

In [2]:

s = pd.Series(np.random.randn(5), index=["a", "b", "c", "d", "e"])

s

Out[2]:

a   -0.032806
b    0.050207
c   -1.909697
d   -1.127865
e   -0.073793
dtype: float64

查看 index：

In [3]:

s.index

Out[3]:

Index([u'a', u'b', u'c', u'd', u'e'], dtype='object')

如果 index 为空，那么 index 会使用 [0, ..., len(data) - 1]：

In [4]:

pd.Series(np.random.randn(5))

Out[4]:

0   -0.376233
1   -0.474349
2    1.660590
3    0.461434
4    0.190965
dtype: float64

从字典中构造

如果 data 是个 dict，如果不给定 index，那么 index 将使用 dict 的 key 排序之后的结果：

In [5]:

d = {'a' : 0., 'b' : 1., 'c' : 2.}

pd.Series(d)

Out[5]:

a    0
b    1
c    2
dtype: float64

如果给定了 index，那么将会按照 index 给定的值作为 key 从字典中读取相应的 value，如果 key 不存在，对应的值为 NaN（not a number, Pandas 中的缺失默认值）：

In [6]:

pd.Series(d, index=['b', 'd', 'a'])

Out[6]:

b     1
d   NaN
a     0
dtype: float64

从标量值构造

如果 data 是标量，那么 index 值必须被指定，得到一个值为 data 与 index 等长的 Series：

In [7]:

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

Out[7]:

a    5
b    5
c    5
d    5
e    5
dtype: float64

像 ndarray 一样使用 Series

In [8]:

s

Out[8]:

a   -0.032806
b    0.050207
c   -1.909697
d   -1.127865
e   -0.073793
dtype: float64

支持数字索引操作：

In [9]:

s[0]

Out[9]:

-0.032806330572971713

切片：

In [10]:

s[:3]

Out[10]:

a   -0.032806
b    0.050207
c   -1.909697
dtype: float64

mask 索引：

In [11]:

s[s > s.median()]

Out[11]:

a   -0.032806
b    0.050207
dtype: float64

花式索引：

In [12]:

s[[4, 3, 1]]

Out[12]:

e   -0.073793
d   -1.127865
b    0.050207
dtype: float64

支持 numpy 函数：

In [13]:

np.exp(s)

Out[13]:

a    0.967726
b    1.051488
c    0.148125
d    0.323724
e    0.928864
dtype: float64

像字典一样使用 Series

也可以像字典一样使用 Series：

In [14]:

s["a"]

Out[14]:

-0.032806330572971713

修改数值：

In [15]:

s["e"] = 12.

s

Out[15]:

a    -0.032806
b     0.050207
c    -1.909697
d    -1.127865
e    12.000000
dtype: float64

查询 key：

In [16]:

"e" in s

Out[16]:

True

In [17]:

"f" in s

Out[17]:

False

使用 key 索引时，如果不确定 key 在不在里面，可以用 get 方法，如果不存在返回 None 或者指定的默认值：

In [18]:

s.get("f", np.nan)

Out[18]:

nan

向量化操作

简单的向量操作与 ndarray 的表现一致：

In [19]:

s + s

Out[19]:

a    -0.065613
b     0.100413
c    -3.819395
d    -2.255729
e    24.000000
dtype: float64

In [20]:

s * 2

Out[20]:

a    -0.065613
b     0.100413
c    -3.819395
d    -2.255729
e    24.000000
dtype: float64

但 Series 和 ndarray 不同的地方在于，Series 的操作默认是使用 index 的值进行对齐的，而不是相对位置：

In [21]:

s[1:] + s[:-1]

Out[21]:

a         NaN
b    0.100413
c   -3.819395
d   -2.255729
e         NaN
dtype: float64

对于上面两个不能完全对齐的 Series，结果的 index 是两者 index 的并集，同时不能对齐的部分当作缺失值处理。

Name 属性

可以在定义时指定 name 属性：

In [22]:

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

Out[22]:

'something'