Lesson3——PandasSeries结构

思维导图

1 什么是Series结构？

　　Series 结构，也称 Series 序列，是 Pandas 常用的数据结构之一，它是一种类似于一维数组的结构，由一组数据值（value）和一组标签组成，其中标签与数据值之间是一一对应的关系。

　　Series 可以保存任何数据类型，比如整数、字符串、浮点数、Python 对象等，它的标签默认为整数，从 0 开始依次递增。Series 的结构图，如下所示：

　　　　

　　通过标签我们可以更加直观地查看数据所在的索引位置。

2 Series 对象

2.1 创建Series对象

　　Pandas 使用 Series()  函数来创建 Series 对象，通过这个对象可以调用相应的方法和属性，从而达到处理数据的目的：

import pandas as pds=pd.Series( data, index, dtype, copy)

　　参数说明如下所示：

　　　　

　　我们也可以使用数组、字典、标量值或者 Python 对象来创建 Series 对象。下面展示了创建 Series 对象的不同方法：

2.1.1 创建一个空Series对象

　　使用以下方法可以创建一个空的 Series 对象，如下所示：

import pandas as pd#输出数据为空s = pd.Series()print(s)

　　输出结果如下：

Series([], dtype: float64)

2.1.2 ndarray创建Series对象

　　ndarray 是 NumPy 中的数组类型，当 data 是 ndarry 时，传递的索引必须具有与数组相同的长度。假如没有给 index 参数传参，在默认情况下，索引值将使用是 range(n) 生成，其中 n 代表数组长度，如下所示：

[0,1,2,3…. range(len(array))-1]

 　　使用默认索引，创建 Series 序列对象：

import pandas as pdimport numpy as npdata = np.array(['a','b','c','d'])s = pd.Series(data)print (s)

　　输出结果如下：

0   a1   b2   c3   ddtype: object

　　上述示例中没有传递任何索引，所以索引默认从 0 开始分配 ，其索引范围为 0 到 len(data)-1，即 0 到 3。这种设置方式被称为“隐式索引”。

　　除了上述方法外，你也可以使用“显式索引”的方法定义索引标签，示例如下：

import pandas as pdimport numpy as npdata = np.array(['a','b','c','d'])#自定义索引标签（即显示索引）s = pd.Series(data,index=[100,101,102,103])print(s)

　　输出结果：

100  a101  b102  c103  ddtype: object

2.1.3 dict创建Series对象

　　您可以把 dict 作为输入数据。如果没有传入索引时会按照字典的键来构造索引；反之，当传递了索引时需要将索引标签与字典中的值一一对应。
　　下面两组示例分别对上述两种情况做了演示。
　　示例1，没有传递索引时：

import pandas as pdimport numpy as npdata = {'a' : 0., 'b' : 1., 'c' : 2.}s = pd.Series(data)print(s)

　　输出结果：

a 0.0b 1.0c 2.0dtype: float64

　　示例 2，为index参数传递索引时：

import pandas as pdimport numpy as npdata = {'a' : 0., 'b' : 1., 'c' : 2.}s = pd.Series(data,index=['b','c','d','a'])print(s)

　　输出结果：

b 1.0c 2.0d NaNa 0.0dtype: float64

　　当传递的索引值无法找到与其对应的值时，使用 NaN（非数字）填充。

2.1.4 标量创建Series对象

　　如果 data 是标量值，则必须提供索引，示例如下：

import pandas as pdimport numpy as nps = pd.Series(5, index=[0, 1, 2, 3])print(s)

　　输出如下：

0  51  52  53  5dtype: int64

　　标量值按照 index 的数量进行重复，并与其一一对应。

3 访问Series数据

　　上述讲解了创建 Series 对象的多种方式，那么我们应该如何访问 Series 序列中元素呢？分为两种方式，一种是位置索引访问；另一种是索引标签访问。

3.1 位置索引访问

　　这种访问方式与 ndarray 和 list 相同，使用元素自身的下标进行访问。我们知道数组的索引计数从 0 开始，这表示第一个元素存储在第 0 个索引位置上，以此类推，就可以获得 Series 序列中的每个元素。下面看一组简单的示例：

import pandas as pds = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])print(s[0])  #位置下标print(s['a']) #标签下标

　　输出结果：

11

　　通过切片的方式访问 Series 序列中的数据，示例如下：

import pandas as pds = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])print(s[:3])

　　输出结果：

a  1b  2c  3dtype: int64

　　如果想要获取最后三个元素，也可以使用下面的方式：

import pandas as pds = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])print(s[-3:])

　　输出结果：

c  3d  4e  5dtype: int64

3.2 索引标签访问

　　Series 类似于固定大小的 dict，把 index 中的索引标签当做 key，而把 Series 序列中的元素值当做 value，然后通过 index 索引标签来访问或者修改元素值。

　　示例1，使用索标签访问单个元素值：

import pandas as pds = pd.Series([6,7,8,9,10],index = ['a','b','c','d','e'])print(s['a']）

　　输出结果：

6

　　示例 2，使用索引标签访问多个元素值

import pandas as pds = pd.Series([6,7,8,9,10],index = ['a','b','c','d','e'])print(s[['a','c','d']])

　　输出结果：

a    6c    8d    9dtype: int64

　　示例3，如果使用了 index 中不包含的标签，则会触发异常：

import pandas as pds = pd.Series([6,7,8,9,10],index = ['a','b','c','d','e'])#不包含f值print(s['f'])

　　输出结果：

......KeyError: 'f'

4  Series常用属性

　　下面我们介绍 Series 的常用属性和方法。在下表列出了 Series 对象的常用属性。

　　　　

 　　现在创建一个 Series 对象，并演示如何使用上述表格中的属性。如下所示：

import pandas as pdimport numpy as nps = pd.Series(np.random.randn(5))print(s)

　　输出结果：

0    0.8980971    0.7302102    2.3074013   -1.7230654    0.346728dtype: float64

　　上述示例的行索引标签是 [0,1,2,3,4]。

4.1 axes

import pandas as pdimport numpy as nps = pd.Series(np.random.randn(5))print ("The axes are:")print(s.axes)

　　输出结果

The axes are:[RangeIndex(start=0, stop=5, step=1)]

4.2 dtype

import pandas as pdimport numpy as nps = pd.Series(np.random.randn(5))print ("The dtype is:")print(s.dtype)

　　输出结果：

The dtype is:float64

4.3 empty

　　返回一个布尔值，用于判断数据对象是否为空。示例如下：

import pandas as pdimport numpy as nps = pd.Series(np.random.randn(5))print("是否为空对象?")print (s.empty)

　　输出结果：

是否为空对象?False

4.4 ndim

　　查看序列的维数。根据定义，Series 是一维数据结构，因此它始终返回 1。

import pandas as pdimport numpy as nps = pd.Series(np.random.randn(5))print (s)print (s.ndim)

　　输出结果：

0    0.3114851    1.7488602   -0.0227213   -0.1292234   -0.489824dtype: float641

4.5 size

　　返回 Series 对象的大小(长度)。

import pandas as pdimport numpy as nps = pd.Series(np.random.randn(3))print (s)#series的长度大小print(s.size)

　　输出结果：

0   -1.8662611   -0.6367262    0.586037dtype: float643

4.6 values

　　以数组的形式返回 Series 对象中的数据。

import pandas as pdimport numpy as nps = pd.Series(np.random.randn(6))print(s)print("输出series中数据")print(s.values)

　　输出结果：

0   -0.5021001    0.6961942   -0.9820633    0.4164304   -1.3845145    0.444303dtype: float64输出series中数据[-0.50210028  0.69619407 -0.98206327  0.41642976 -1.38451433  0.44430257]

4.7 index

　　该属性用来查看 Series 中索引的取值范围。示例如下：

#显示索引import pandas as pds=pd.Series([1,2,5,8],index=['a','b','c','d'])print(s.index)#隐式索引s1=pd.Series([1,2,5,8])print(s1.index)

　　输出结果：

隐式索引：Index(['a', 'b', 'c', 'd'], dtype='object')显示索引：RangeIndex(start=0, stop=4, step=1)

5 Series常用方法

5.1 head()&tail()查看数据

　　如果想要查看 Series 的某一部分数据，可以使用 head() 或者 tail() 方法。其中 head() 返回前 n 行数据，默认显示前 5 行数据。示例如下：

import pandas as pdimport numpy as nps = pd.Series(np.random.randn(5))print ("The original series is:")print (s)#返回前三行数据print (s.head(3))

　　输出结果：

原系列输出结果:0    1.2496791    0.6364872   -0.9876213    0.9996134    1.607751head(3)输出：dtype: float640    1.2496791    0.6364872   -0.987621dtype: float64

　　tail() 返回的是后 n 行数据，默认为后 5 行。示例如下：

import pandas as pdimport numpy as nps = pd.Series(np.random.randn(4))#原seriesprint(s)#输出后两行数据print (s.tail(2))

输出结果：

原Series输出：0    0.0533401    2.1658362   -0.7191753   -0.035178输出后两行数据：dtype: float642   -0.7191753   -0.035178dtype: float64

5.2 isnull()&nonull()检测缺失值

　　isnull() 和 nonull() 用于检测 Series 中的缺失值。所谓缺失值，顾名思义就是值不存在、丢失、缺少。

• isnull()：如果为值不存在或者缺失，则返回 True。
• notnull()：如果值不存在或者缺失，则返回 False。

　　其实不难理解，在实际的数据分析任物中，数据的收集往往要经历一个繁琐的过程。在这个过程中难免会因为一些不可抗力，或者人为因素导致数据丢失的现象。这时，我们可以使用相应的方法对缺失值进行处理，比如均值插值、数据补齐等方法。上述两个方法就是帮助我们检测是否存在缺失值。示例如下：

import pandas as pd#None代表缺失数据s=pd.Series([1,2,5,None])print(pd.isnull(s))  #是空值返回Trueprint(pd.notnull(s)) #空值返回False

　　输出结果：

0    False1    False2    False3     Truedtype: boolnotnull():0     True1     True2     True3    Falsedtype: bool