Pandas学习笔记之Series

# Series 数据结构
# Series 是带有标签的一维数组，可以保存任何数据类型（整数，字符串，浮点数，Python对象等）,轴标签统称为索引


# 导入numpy、pandas模块
import numpy as np
import pandas as pd

s = pd.Series(np.random.rand(5))
print(s)
# 查看数据、
print('='*30)
print(type(s))

# .index查看series索引，类型为rangeindex
print("查看索引：",s.index, type(s.index))
# .values查看series值，类型是ndarray
print("查看值：",s.values, type(s.values))

# 核心：series相比于ndarray，是一个自带索引index的数组 → 一维数组 + 对应索引
# 所以当只看series的值的时候，就是一个ndarray
# series和ndarray较相似，索引切片功能差别不大
# series和dict相比，series更像一个有顺序的字典（dict本身不存在顺序），其索引原理与字典相似（一个用key，一个用index）

# Series 创建方法一：由字典创建，字典的key就是index，values就是values
dic = {'a':1 ,'b':2 , 'c':3, '4':4, '5':5}
s = pd.Series(dic)
print(s)
# 注意：key肯定是字符串，假如values类型不止一个会怎么样？ → dic = {'a':1 ,'b':'hello' , 'c':3, '4':4, '5':5}

# Series 创建方法二：由数组创建(一维数组)
arr = np.random.randn(5)
s = pd.Series(arr)
print(arr)
print(s)

# 默认index是从0开始，步长为1的数字
# index参数：设置index，长度保持一致
# dtype参数：设置数值类型
s = pd.Series(arr, index = ['a','b','c','d','e'],dtype = object)
print(s)

# Series 创建方法三：由标量创建
# 如果data是标量值，则必须提供索引。该值会重复，来匹配索引的长度
s = pd.Series(10, index = range(4))
print(s)

s1 = pd.Series(np.random.randn(5))
print(s1)
print('='*50)
# name为Series的一个参数，创建一个数组的 名称
# .name方法：输出数组的名称，输出格式为str，如果没用定义输出名称，输出为None
s2 = pd.Series(np.random.randn(5),name = 'test')
print(s2)
print(s1.name, s2.name,type(s2.name))
print('='*50)
# .rename()重命名一个数组的名称，并且新指向一个数组，原数组不变
s3 = s2.rename('hehehe')
print(s3)
print(s3.name, s2.name)

s = pd.Series(np.random.rand(5))
print(s)
# 位置下标从0开始
# 输出结果为numpy.float格式，
print(s[0],type(s[0]),s[0].dtype)
# 可以通过float()函数转换为python float格式
# numpy.float与float占用字节不同
print(float(s[0]),type(float(s[0])))
# s[-1]结果如何？报错

s = pd.Series(np.random.rand(5), index = ['a','b','c','d','e'])
print(s)
# 方法类似下标索引，用[]表示，内写上index，注意index是字符串
print(s['a'],type(s['a']),s['a'].dtype)

# 如果需要选择多个标签的值，用[[]]来表示（相当于[]中包含一个列表）
# 多标签索引结果是新的数组
sci = s[['a','b','e']]
print(sci,type(sci))

s1 = pd.Series(np.random.rand(5))
s2 = pd.Series(np.random.rand(5), index = ['a','b','c','d','e'])
# 注意：用index做切片是末端包含
print(s1[1:4],s1[4])
print(s2['a':'c'],s2['c'])
print(s2[0:3],s2[3])
print('='*50)

# 下标索引做切片，和list写法一样
print(s2[:-1])
print(s2[::2])

s = pd.Series(np.random.rand(3)*100)
s[4] = None  # 添加一个空值
print(s)
bs1 = s > 50
# 数组做判断之后，返回的是一个由布尔值组成的新的数组
# .isnull() / .notnull() 判断是否为空值 (None代表空值，NaN代表有问题的数值，两个都会识别为空值)
bs2 = s.isnull()
bs3 = s.notnull()
print(bs1, type(bs1), bs1.dtype)
print(bs2, type(bs2), bs2.dtype)
print(bs3, type(bs3), bs3.dtype)
print('='*50)

# 布尔型索引方法：用[判断条件]表示，其中判断条件可以是 一个语句，或者是 一个布尔型数组！
print(s[s > 50])
print(s[bs3])

s = pd.Series(np.random.rand(50))
# .head()查看头部数据
# .tail()查看尾部数据
# 默认查看5条
print(s.head(10))
print(s.tail())

# .reindex将会根据索引重新排序，如果当前索引不存在，则引入缺失值

s = pd.Series(np.random.rand(3), index = ['a','b','c'])
# .reindex()中也是写列表 这里'd'索引不存在，所以值为NaN
s1 = s.reindex(['c','b','a','d'])
print(s1)
print('='*50)

# fill_value参数：填充缺失值的值
s2 = s.reindex(['c','b','a','d'], fill_value = 0)
print(s2)

# Series 和 ndarray 之间的主要区别是，Series 上的操作会根据标签自动对齐 index顺序不会影响数值计算，以标签来计算

s1 = pd.Series(np.random.rand(3), index = ['Jack','Marry','Tom'])
s2 = pd.Series(np.random.rand(3), index = ['Wang','Jack','Marry'])
print(s1)
print(s2)
print('='*30)
# 空值和任何值计算结果扔为空值
print(s1+s2)

#删除
s = pd.Series(np.random.rand(5), index = list('ngjur'))
# drop 删除元素之后返回副本(inplace=False)
s1 = s.drop('n')
s2 = s.drop(['g','j'])
print(s1)
print(s2)
print(s)
print('='*50)

# 添加
s1 = pd.Series(np.random.rand(5))
s2 = pd.Series(np.random.rand(5), index = list('ngjur'))
# 直接通过下标索引/标签index添加值
s1[5] = 100
s2['a'] = 100
print(s1)
print(s2)

# 通过.append方法，直接添加一个数组
# .append方法生成一个新的数组，不改变之前的数组
s3 = s1._append(s2)
print(s3)
print(s1)
print('='*50)

# 修改
s = pd.Series(np.random.rand(3), index = ['a','b','c'])
# 通过索引直接修改，类似序列
s['a'] = 100
s[['b','c']] = 200
print(s)