Pandas-Series知识点总结

谁借莪１个温暖的怀抱￠ 2022-05-27 07:18 275阅读 0赞

## 1、Series创建 ##

根据list

pandas有两种主要的数据结构，第一种是Series，是一种类似于一维数组的数据结构，它由一组数据以及一组与之相关的数据标签组成。我们可以直接根据list来生成一个Series。

obj = pd.Series([4,7,-5,3])
    obj
    
    #输出
    0    4
    1    7
    2   -5
    3    3
    dtype: int64

可以通过index和values属性来获得obj的索引和值

obj.index
    #RangeIndex(start=0, stop=4, step=1)
    obj.values
    #array([ 4,  7, -5,  3])

索引在默认情况下是0-n-1，不过我们可以指定索引的值

obj2 = pd.Series([4,7,-5,3],index=['d','b','a','c'])
    obj2
    
    #输出
    d    4
    b    7
    a   -5
    c    3
    dtype: int64

根据dict

可以直接通过字典dict来创建Series，此时字典中的键作为索引，字典中的值作为对应的值

sdata = {'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000}
    obj3 = pd.Series(sdata)
    obj3 
    #输出
    Ohio      35000
    Oregon    16000
    Texas     71000
    Utah       5000
    dtype: int64

如果既使用了字典，又指定了索引，那么字典中跟索引相匹配的值将会被找出来放到相应的位置上:

states = ['California','Ohio','Texas','Oregon']
    obj4 = pd.Series(sdata,index = states)
    obj4
    #输出
    California        NaN
    Ohio          35000.0
    Texas         71000.0
    Oregon        16000.0
    dtype: float64

## 2、Series一些特性 ##

索引

可以通过相对位置的下标或者index来访问Series中的元素

obj2[2]
    #-5
    
    obj2['a']
    #-5
    
    obj2[['a','b','d']]
    #输出
    a   -5
    b    7
    d    4
    dtype: int64

切片

与利用下标进行切片不同，使用标签进行切片时，末端是包含的：

obj['b':'c']
    #输出
    b    1.0
    c    2.0
    dtype: float64

重新索引

我们可以使用reindex函数对Series进行重新索引，而不是简单的改变索引的值：

obj2 = pd.Series([4,7,-5,3],index=['d','b','a','c'])
    obj3 = obj2.reindex(['a','b','c','d','e'])
    obj3
    #输出
    a   -5.0
    b    7.0
    c    3.0
    d    4.0
    e    NaN
    dtype: float64

可以看到，使用reindex时，如果新增 的索引在原数据中没有值，其对应的值就会是NA，此时我们可以使用fill\_value属性对数据进行填充：

obj4 = obj2.reindex(['a','b','c','d','e'],fill_value=0)
    obj4
    #输出
    a   -5
    b    7
    c    3
    d    4
    e    0
    dtype: int64

reindex函数还有一个method属性，进行差值填充，但是索引必须是单调递增或者单调递减的，所以一般用在时间序列这样的有序数据中：

# obj5 = obj2.reindex(['a','b','c','d','e'],method='ffill') 会报错
    obj3 = pd.Series(['blue','Purple','yellow'],index = [0,2,4])
    obj3.reindex(range(6),method='ffill')
    #输出
    0      blue
    1      blue
    2    Purple
    3    Purple
    4    yellow
    5    yellow
    dtype: object

数据运算

可以对Series进行numpy中的一些数组运算（如根据布尔型数据进行过滤，标量乘法、应用数学函数等），这些都会保留索引和值之间的链接

np.exp(obj2)
    #输出
    d      54.598150
    b    1096.633158
    a       0.006738
    c      20.085537
    dtype: float64

可以把Series看成是一个定长的有序字典，因为他是索引值到数据值的一个映射，它可以用在许多原本需要字典参数的函数中'

b' in obj2
    #True

Series最重要的一个功能是：它在算术运算中会自动对齐不同索引的数据：

obj3 + obj4
    #输出
    California         NaN
    Ohio           70000.0
    Oregon         32000.0
    Texas         142000.0
    Utah               NaN
    dtype: float64

排序和排名

sort\_index按照索引进行排序，返回一个新的对象

obj = pd.Series(range(4),index=['d','a','b','c'])
    obj.sort_index()
    #输出：
    a    1
    b    2
    c    3
    d    0
    dtype: int64

除了根据索引进行排序外，我们还可以根据列值进行排序：

obj.sort_values()
    #输出：
    d    0
    a    1
    b    2
    c    3
    dtype: int64

使用rank函数会增加一个排名值，从1开始，一直到数组中有效数据的数量，对于平级关系，rank是通过为各组分配一个平均排名的方式破坏平级关系的，如果不想使用这个平均值，可以使用method参数按照指定的方式进行rank排序，例如使用first可以按值在原始数据中出现顺序分配排名：

obj = pd.Series([7,-5,7,4,2,0,4])
    obj.rank()
    #输出：
    0    6.5
    1    1.0
    2    6.5
    3    4.5
    4    3.0
    5    2.0
    6    4.5
    dtype: float64
    
    obj.rank(method='first')
    #输出
    0    6.0
    1    1.0
    2    7.0
    3    4.0
    4    3.0
    5    2.0
    6    5.0
    dtype: float64

汇总和计算描述统计

Series中的实现了sum、mean、max等方法，这里就不详细介绍了，我们主要介绍求协方差和相关系数的方法：Series的corr方法用于计算两个Series中重叠的，非NA的，按索引对齐的值的相关系数，与此类似，cov用于计算协方差。

obj1 = pd.Series(np.arange(10),index = list('abcdefghij'))
    obj2 = pd.Series(np.arange(12),index = list('cdefghijklmn'))
    obj1.corr(obj2)
    #1.0
    obj1.cov(obj2)
    #6.0

唯一数、值计数

unique返回没有排序的唯一值数组,value\_counts()返回各数的计数

obj = pd.Series(['c','a','d','a','a','b','b','c','c'])
    uniques = obj.unique()
    uniques
    #array(['c', 'a', 'd', 'b'], dtype=object)
    
    #value_counts()返回各数的计数
    obj.value_counts()
    #输出
    a    3
    c    3
    b    2
    d    1
    dtype: int64

处理缺失数据

Pandas中缺失值相关的方法主要有以下三个：  
isnull方法用于判断数据是否为空数据；  
fillna方法用于填补缺失数据；  
dropna方法用于舍弃缺失数据。  
上面两个方法返回一个新的Series或者DataFrame，对原数据没有影响,如果想在原数据上进行直接修改，使用inplace参数

data = pd.Series([1,np.nan,3.5,np.nan,7])
    data.fillna(0)
    #输出
    0    1.0
    1    0.0
    2    3.5
    3    0.0
    4    7.0
    dtype: float64