Pandas基礎1(Series)

Pandas提供高性能的數據分析工具，此庫主要提供了兩個數據類型：Series和DataFrame(基於ndarray的數據類型)。

Pandas對象特徵：

相比於Numpy關注於數據的結構表達，Pandas更關注數據的應用表達，尤其是索引，通過對索引的改變，可以達到對數據改變的效果。

Series類型：

組成：Series類型由數據及其索引組成

創建與索引：

自定義索引：b=pd.Series([9,8,7,6],index=[‘a’,‘b’,‘c’,‘d’])

a    9
b    8
c    7
d    6
dtype: int64

默認索引：b=pd.Series([9,8,7,6])

0    9
1    8
2    7
3    6
dtype: int64

生成，創建方法：

標量創建：

s=pd.Series(25,index=['a','b','c'])
a    25
b    25
c    25
dtype: int64

字典創建：
d=pd.Series(dict)
生成的Series索引爲字典的鍵，一 一對應字典的數值
或

e=pd.Series({'a':1,'b':2,'c':3},index=['c','a','b','d'])
c  3
a  1
b  2
d  NaN
dtype: float32

ndarray創建：

n=pd.Series(np.arang(23))
n=pd.Series(np.arange(5),index=np.arange(9,4,-1))
0 9
1 8
2 7
3 6
4 5
dtype: int32

基本操作：

索引：

b.index返回的是index類型數據
Index(['a', 'b', 'c', 'd'], dtype='object')
b.values返回的是array數據
<PandasArray> [9, 8, 7, 6] Length: 4, dtype: int64

現在有b=pd.Series([9,8,7,6],index=[‘a’,‘b’,‘c’,‘d’])
有兩種索引方式，一種是自定義索引b[‘a’]=9，一種是自動索引b[0]=9
在索引時，必須使用同一套索引。
在同時對多個元素進行索引時，返回一個Series。

例如：
b[['a','b',0]]#混合使用時當做自定義索引
a 9
b 8
0 NaN

切片：切片的返回依然是一個Series類型

b[:3]
a 9
b 8
c 7
dtype :int64

運算：

b[b>b.median()]
a 9
b 8
np.exp(b)
索引不變，值進行指數運算

同字典一樣，可以使用保留字in和.get()方法:

在字典中，判斷對象是否處於鍵中，而Series判斷是否存在自定義索引列表中:

'c' in b
True
0 in b
False

b.get('f',100)提取標籤f對應的數值，要是不存在則返回100

對齊操作:

b=pd.Series([1,2,3,4],index=['a','b','c','d'])
v=pd.Series([1,2,3,4],index=['a','z','c','k'])
b+v
a    2.0
b    NaN
c    6.0
d    NaN
k    NaN
z    NaN
dtype: float64

name屬性:

b.name="這是Series對象"
b.index.name="索引列"
則b顯示爲
索引列
a    1
b    2
c    3
d    4
Name: 這是Series對象, dtype: int64

修改:
b[‘a’]=12，此時索引a對應的值已經修改
b[‘a’,‘b’]=12，此時a，b對應的值都修改爲12