Python Pandas 的使用——Series

Python Pandas 的使用——Series

Pandas是一個強大的分析結構化數據的工具集；它的使用基礎是Numpy（提供高性能的矩陣運算）；用於數據挖掘和數據分析，同時也提供數據清洗功能。

1. Pandas 安裝

官方推薦的安裝方式是通過Anaconda安裝，但Anaconda太過龐大，若只是需要Pandas的功能，則可通過PyPi方式安裝。

pip install Pandas

2. Pandas 的數據結構——Series

使用pandas前需要先引入pandas，若無特別說明，pd作爲Pandas別名的通用寫法

import pandas as pd   

2.1 Series的創建

• Series定義
  • Series像是一個Python的dict類型，因爲它的索引與元素是映射關係
  • Series也像是一個ndarray類型，因爲它也可以通過series_name[index]方式訪問
  • Series是一維的，但能夠存儲不同類型的數據
  • 每個Series都有一組索引與數據對應，若不指定則默認爲整型索引
• 不顯式指定index

# Series 默認索引（不顯式指定index，則Series使用默認索引，[0, 1, 2, 3, 4...]
series1 = pd.Series([10, 7, -4, 1])

# 或者通過以下方式創建Series
l = [10, 7, -4, 1]
series1 = pd.Series(l)

out:
    series1
0    10
1     7
2    -4
3     1
dtype: int64

• 顯式指定index

series2 = pd.Series(['ant', 'bear', 'cat', 'dog'], index=['a', 'b', 'c', 'd'])

# 或者通過以下方式創建Series
l = ['ant', 'bear', 'cat', 'dog']
index = ['a', 'b', 'c', 'd']
series1 = pd.Series(l, index=index)

out:
    series2
a     ant
b    bear
c     cat
d     dog
dtype: object

Pandas 中整型爲int64，浮點型爲float64，字符串、布爾型等其他數據類型爲object

• 通過dict生成Series

d = {'b': 1, 'a': 0, 'c': 2}
series3 = pd.Series(d)

out:
    series3
b    1
a    0
c    2
dtype: int64

相比於python中的dict，Series中索引與元素是一種映射關係，元素在Series對象中是有序存儲的，並是通過索引實現其有序的。

如果python版本 >= 3.6 並且 Pandas 版本 >= 0.23 , 則通過dict創建的Series索引按照dict的插入順序排序

如果python版本 < 3.6 或者 Pandas 版本 < 0.23，則通過dict創建的Series索引按照按詞彙順序排列

• 指定dict索引順序創建Series

d = {'b': 1, 'a': 0, 'c': 2, 'd': 3}
names = ['a', 'b', 'c']
series4 = pd.Series(d,index=names)

out:
    series4
a    0
b    1
c    2
dtype: int64

由原先的 [‘b’, ‘a’, ‘c’] 變成了指定的 [‘a’,‘b’,‘c’]，對於指定索引names未出現的index ’d’ ，則自動過濾掉了，若names中出現dict中沒有的索引，則該索引對應值爲NaN

d = {'b': 1, 'a': 0, 'c': 2, 'd': 3}
names = ['a', 'b', 'c' ,'e']
series4 = pd.Series(d,index=names)

out:
    series4
a    0.0
b    1.0
c    2.0
e    NaN
dtype: float64

• 通過ndarray創建

series5 = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])

# 或者通過以下方式創建Series
l = np.random.randn(5)
index = ['a', 'b', 'c', 'd', 'e']
series1 = pd.Series(l, index=index)

out:
    series5
a    1.025255
b   -0.684486
c    1.870848
d   -0.517517
e   -0.087879
dtype: float64

• 通過標量創建

Pandas 通過標量(scalar)創建Series 有兩種，一種是創建int64，另一種則是float64，區別在於標量類型

series6 = pd.Series(5, index=['a', 'b', 'c'])
series7 = pd.Series(5.0, index=['a', 'b', 'c'])

# 對於創建float64來說，可縮寫標量，eg：
series7 = pd.Series(5., index=['a', 'b', 'c'])

out:
    series6
a    5
b    5
c    5
dtype: int64
    
    series7
a    5.0
b    5.0
c    5.0
dtype: float64

2.2 Series元素的訪問

• series_name[index] 方式

一如 ndarray 對元素的訪問採 用ndarray_name[index] 的方式，Series 的訪問也可採用 series_name[index] 方式訪問。

這裏的index指的是在不給Series顯式指定index的時候，Series默認的整型索引

print(series2[0])  # out:ant
print(series2[:3]) # out:a      ant;b     bear;c    camel;dtype: objectd
print(series1[series1 > series1.median()])  # out:0    10;1     7;dtype: int64
print(series2[[2, 3, 1]]) # out:c    camel;d      dog;b     bear;dtype: object

• series_name[key]

一如dict對元素的訪問採用 dict_name[key] 的方式，Series 的訪問也可採用 series_name[key] 方式訪問。

這裏的key指的是在給 Series 顯式指定的index，類似於dict的key

print(series2['a']) # out:ant

2.3 Series內容修改

• Series元素值的修改

series2['c'] = 'camel'
# 或者 series2['2'] = 'camel'
print(series2['c'])   # out:camel

• Series元素索引的修改

# 通過series.index 可以獲取到Series的索引，替換該索引即可
print(series2.index)  # Index(['a', 'b', 'c', 'd'], dtype='object')
# series.index 是一個list對象，可通過series.index[index]來訪問指定的索引並替換之

2.4 Series的元素屬性

屬性	說明
values	以數組方式獲取Series的元素值
index	以數組方式獲取Series的元素索引
name	獲取values的name（需額外指定）
index.name	獲取index的name（需額外指定）
dtype	獲取Series數據類型
array	以數組方式獲取Series的值，與values的區別在於array返回的是PandasArray()數據結構

2.5 Series常用函數

• Series 拷貝

  • 深拷貝

  cpys = series2.copy(deep=True)  # deep參數設置爲True，則實現深拷貝，創建一個新對象，對series進行復制
  

  print(cpys.values is series2.values or cpys.index is series2.index) # False
  

  • 淺拷貝

  cpys = series2.copy(deep=False)  # deep參數設置爲False，則實現淺拷貝，創建一個新對象，但不復制原series的數據，也不復制其索引，僅對索引與數據指向原數據，不同於（cpys = series2)
  

  print(cpys.values is series2.values and cpys.index is series2.index) # True
  

  如果不指定deep參數，則默認deep=True

  • 淺拷貝不同於“=”

  cpys2 = series2   # 該操作不創建對象，只對原對象創建一個新的變量名稱
  

  “=” 與 Series.copy(deep=False)的淺拷貝是不一樣的，”=“ 是直接對整個series貼上一個新標籤，並不創建新的對象。但Series.copy(deep=False)是先創建一個新的對象，之後，對原對象中values與index貼上新的標籤並使新對象的values與index指向之。

  print(cpys2 is series2) # True
  print(cpys is series2) # False
  

• Series重設索引reindex函數

  reindex() 函數會創建一個新的對象，用以適應新的索引，並不會修改源對象

  • fill_value 參數 : 對缺失值進行填充

  s = pd.Series(['Tom', 'Kim', 'Andy'], index=['No.1', 'No.2', 'No.3'])
  rs = s.reindex(['No.0', 'No.1', 'No.2', 'No.3', 'No.4']) # 缺失索引對應數值默認使用Nan填充
  rs2 = s.reindex(['No.0', 'No.1', 'No.2', 'No.3', 'No.4'], fill_value='填充值')
  # 設置索引對應數值默認使用“填充值”填充
  

  out:
      rs
  No.0     NaN
  No.1     Tom
  No.2     Kim
  No.3    Andy
  No.4     NaN
  dtype: object
  
  	rs2
  No.0     填充值
  No.1     Tom
  No.2     Kim
  No.3    Andy
  No.4     填充值
  dtype: object
  

  • method參數
    • ffill或pad：前向填充，即將缺失值的前一個索引的值填充在缺失值位置上
    • bfill或backfill：後向（或進位）填充，即將缺失值的後一個索引的值填充在缺失值位置上

  s = pd.Series(['Tom', 'Kim', 'Andy'], index=['No.1', 'No.2', 'No.3'])
  rs = s.reindex(['No.0', 'No.1', 'No.4', 'No.5'], method='ffill')
  rs2 = s.reindex(['No.0', 'No.1', 'No.4', 'No.5'], method='bfill')
  

  out:
      rs
  No.0     NaN    # 由於前一個索引沒有值，則不填充
  No.1     Tom
  No.4    Andy    # 因爲前向填充(取No.3的值Andy作爲填充值)
  No.5    Andy    # 取No.4的值作爲填充值
  dtype: object
      
      rs2
  No.0    Tom
  No.1    Tom    
  No.4    NaN     # 取No.5的值作爲填充值，即NaN
  No.5    NaN     # 由於後一個索引沒有值，則不填充，默認爲NaN
  dtype: object
  

• Series 刪除元素

  series2.drop('c')
  print(series2)
  

  series2
  a      ant
  b     bear
  c    camel
  d      dog
  dtype: object