Pandas的數(shù)據(jù)結構

?Series對象

• class pandas.Series(data=None, index=None)

  • data參數(shù)

    • 含義：data是Series構造函數(shù)中最主要的參數(shù)，它用來指定要存儲在Series中的數(shù)據(jù)。

    • 數(shù)據(jù)類型：data可以是多種數(shù)據(jù)類型，例如：

      • Python 列表（list）或元組（tuple），如pd.Series([1, 2, 3])或pd.Series((4, 5, 6))。

      • NumPy 數(shù)組，例如pd.Series(np.array([7, 8, 9]))。

      • 標量值（單個數(shù)值、字符串等），如pd.Series(5, index=[0, 1, 2])，這將創(chuàng)建一個包含相同標量值的Series。

      • 字典（dictionary），字典的鍵將作為Series的索引（如果未另外指定索引），字典的值作為Series的數(shù)據(jù)，例如pd.Series({'a': 10, 'b': 20})。

  • index參數(shù)

    • 含義：index參數(shù)用于指定Series的索引，它定義了數(shù)據(jù)的標簽。

    • 數(shù)據(jù)類型：

      • 可以是一個Index對象（這是pandas中專門用于表示索引的數(shù)據(jù)結構），例如pd.Index(['x', 'y', 'z'])可以作為索引傳遞給Series。

      • 也可以是其他類似序列的數(shù)據(jù)類型，如列表、元組等，例如pd.Series([100, 200, 300], index=['m', 'n', 'o'])。

      • 索引長度要求：index的長度必須與data的長度相同（當data是列表、數(shù)組等有序數(shù)據(jù)結構時）。如果data是標量，index的長度決定了Series的長度。例如，data為標量值5，index為[0, 1, 2]，則會生成一個包含三個元素值都為5的Series。

通過numpy.ndarray數(shù)組來創(chuàng)建

# 0 創(chuàng)建 numpy.ndarray數(shù)組
import numpy as nparr = np.array([3, 6, 9])
arr

?

# 1 通過 numpy.ndarray數(shù)組 來創(chuàng)建 Series對象(默認 索引)
import pandas as pds1 = pd.Series(arr)
s1

# 2 通過 numpy.ndarray數(shù)組 來創(chuàng)建 Series對象(指定 索引 類型)
s2 = pd.Series(arr, index=['x', 'y', 'z'])
s2

通過list列表來創(chuàng)建

# 導包 pandas
import pandas as pd
# 創(chuàng)建含字符串和整數(shù)的 Series 對象，，自動生成索引
s1 = pd.Series(['張三', 13])
print(s1)
print("-" * 50)
print(type(s1))

# 創(chuàng)建含兩個字符串的 Series，自動生成索引
s2 = pd.Series(['李四', '北京'])
print(s2)
print("-" * 50)
print(type(s2))

# 創(chuàng)建含兩個整數(shù)的 Series，自動生成索引
s3 = pd.Series([18, 15000])
print(s3)
print("-" * 50)
print(type(s3))

# 創(chuàng)建含有姓名和城市的 Series，自定義索引
s4 = pd.Series(["王五", "鄭州"], index=['姓名', '城市'])
print(s4)
print("-" * 50)
print(type(s4))

通過元組或字典創(chuàng)建 Series 對象

# 1 使用元組 創(chuàng)建 Series 對象
import pandas as pds1 = pd.Series(('張三', '李四', '王五'), index=['a', 'b', 'c'])
print(s1)
print("-" * 50)
print(type(s1))

# 2 使用字典 創(chuàng)建 Series 對象
dict1 = {"name" : "悟空","age" : 23,"skill" : "火眼金睛"
}s2 = pd.Series(dict1, index=['name', 'age'])
print(s2)
print("-" * 50)
print(type(s2))

Series對象常用屬性和方法

常見屬性

屬性	說明
loc	使用索引值取子集
iloc	使用索引位置取子集
dtype或dtypes	Series內(nèi)容的類型
T	Series的轉置矩陣
shape	數(shù)據(jù)的維數(shù)
size	Series中元素的數(shù)量
values	Series的值

常見方法

方法	說明
append	連接兩個或多個Series
corr	計算與另一個Series的相關系數(shù)
cov	計算與另一個Series的協(xié)方差
describe	計算常見統(tǒng)計量
drop_duplicates	返回去重之后的Series
equals	判斷兩個Series是否相同
get_values	獲取Series的值，作用與values屬性相同
hist	繪制直方圖
isin	Series中是否包含某些值
min	返回最小值
max	返回最大值
mean	返回算術平均值
median	返回中位數(shù)
mode	返回眾數(shù)
quantile	返回指定位置的分位數(shù)
replace	用指定值代替Series中的值
sample	返回Series的隨機采樣值
sort_values	對值進行排序
to_frame	把Series轉換為DataFrame
unique	去重返回數(shù)組
value_counts	統(tǒng)計不同值數(shù)量
keys	獲取索引值
head	查看前5個值
tail	查看后5個值

import pandas as pd# 創(chuàng)建s對象
s1 = pd.Series(data=[1, 2, 3, 4, 2, 3], index=['E', 'F', 'A', 'B', 'C', 'D'])
print(s1)
print('=================== 常用屬性 ===================')
# 查看s對象值數(shù)量
print("size: ", s1.size)# 查看s對象維度, 返回一個單個元素的元組, 元素個數(shù)代表維度數(shù), 元素值代表值數(shù)量
print("shape: ", s1.shape)# 查看s對象數(shù)據(jù)類型
print("dtype: ", s1.dtype)# 獲取s對象的數(shù)據(jù)值, 返回numpy的ndarray數(shù)組類型
print('values: ', s1.values)# 獲取s對象的索引
print('index: ', s1.index)

print('=================== 常用方法 ===================')
# 查看s對象值數(shù)量
print(s1.value_counts())# 查看s對象前5個值, n默認等于5
print(s1.head(3))# 查看s對象后5個值, n默認等于5
s1.tail(3)# 獲取s對象的索引
print(s1.keys())# s對象轉換成python列表
print(list(s1))# s對象轉換成df對象
print(s1.to_frame())
print(type(s1.to_frame()))# s對象中數(shù)據(jù)的基礎統(tǒng)計信息
print(s1.describe())
# print('------------------------------')
# s對象最大值、最小值、平均值、求和值...
print(s1.max())
print(s1.min())
print(s1.mean())
print(s1.sum())# s對象數(shù)據(jù)值去重, 返回s對象
print(s1.drop_duplicates())
print(type(s1.drop_duplicates()))
print('------------------')
# s對象數(shù)據(jù)值去重, 返回數(shù)組
print(s1.unique())
print(type(s1.unique()))# s對象數(shù)據(jù)值排序, 默認升序
print(s1.sort_values())
# print('----------------------------------')
print(s1.sort_values(ascending=False))# s對象索引值排序, 默認升序
print(s1.sort_index())
# print('----------------------------------')
print(s1.sort_index(ascending=False))# s對象不同值的數(shù)量, 類似于分組計數(shù)操作
s1.value_counts()

實例

import pandas as pd
# 1 加載并觀察數(shù)據(jù)集df = pd.read_csv('../data/a_scientists.csv')
df

# 2 獲取年齡列
ages = df['Age']
ages# 3 求平均年齡
ages.mean()#%%
# 4 求高于平均年齡 組成 布爾結果
print(ages > ages.mean())
print('--------------------------------')
print(type(ages > ages.mean()))
print('--------------------------------')
print(list(ages > ages.mean()))# 5 求高于平均年齡 組成 年齡列
print(ages[ages > ages.mean()])
print('------------------------')
print(ages[list(ages > ages.mean())])

求年齡大于平均值

ages > ages.mean()

df[ages > ages.mean()]