1.可以把Series看成一個定長的有序字典,向Series增加一行:相當於給字典增加一組鍵值對。
2.可以通過shape,size,index,values等得到series的屬性
shape:形狀
size:元素的個數
index:獲取index的值,返回的是對象
values:獲取value的值
*numpy tolist()的用法
3.可以使用head(),tail()分別查看前n個和後n個值
4.當索引沒有對應的值時,可能出現缺失數據顯示NaN(not a number)的情況
5.可以使用pd.isnull(),pd.notnull(),或自帶isnull(),notnull()函數檢測缺失數
6.使用bool型的列表訪問數組對象
7.Series對象本身及其實例都有一個name屬性
8.根據值排序
DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind=‘quicksort’, na_position=‘last’)
參數說明
by:str or list of str;如果axis=0,那麼by=“列名”;如果axis=1,那麼by=“行名”;
axis:{0 or ‘index’, 1 or ‘columns’}, default 0,默認按照索引排序,即縱向排序,如果爲1,則是橫向排序
ascending:布爾型,True則升序,可以是[True,False],即第一字段升序,第二個降序
inplace:布爾型,是否用排序後的數據框替換現有的數據框
kind:排序方法,{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’。似乎不用太關心
na_position : {‘first’, ‘last’}, default ‘last’,默認缺失值排在最後面
9.根據索引排序
sort_index(axis=0, level=None, ascending=True, inplace=False, kind=‘quicksort’, na_position=‘last’,
axis:0按照行名排序;1按照列名排序
level:默認None,否則按照給定的level順序排列—貌似並不是,文檔
ascending:默認True升序排列;False降序排列
inplace:默認False,否則排序之後的數據直接替換原來的數據框
kind:排序方法,{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’
na_position:缺失值默認排在最後{“first”,“last”}
10.統計值出現的次數
去重操作,只統計出現的值
編者寄:文章面向小白也可能會被行業前輩看到,爲避免知識誤導,若文章有錯誤,還請過路朋友指出,末學好及時更正,評論區見~
整理於學習資料,比心圖片來源網絡;