Series

概述

• Series也是Pandas中的最基本的数据结构对象，也是DataFrame的列对象或者行对象，series本身也具有行索引。
• Series是一种类似于一维数组的对象，由下面两个部分组成：
  • values：一组数据（numpy.ndarray类型）
  • index：相关的数据行索引标签；如果没有为数据指定索引，于是会自动创建一个0到N-1(N为数据的长度)的整数型索引。

(1) Series的常用属性

• 常见属性

  属性	说明
  loc	使用索引值取子集
  iloc	使用索引位置取子集
  dtype或dtypes	Series内容的类型
  T	Series的转置矩阵
  shape	数据的维数
  size	Series中元素的数量
  values	Series的值
  index	Series的索引值

  • loc属性

  first_row = data.loc[941]
  print(first_row)        # 获取第一行数据, 但是是以列的方式展示的
  print(type(first_row))  # <class 'pandas.core.series.Series'>
  

  • iloc属性

  first_row = data.iloc[0] # 使用索引位置获取自己
  print(first_row)        # 获取第一行数据, 但是是以列的方式展示的
  print(type(first_row))  # <class 'pandas.core.series.Series'>
  

  • dtype 或 dtypes

  print(first_row.dtype)          # 打印Series的元素类型, object表示字符串
  print(first_row['year'].dtype)  # 打印Series的year列的元素类型, int64# 打印Series的year列的元素类型, 该列值为字符串, 字符串没有dtype属性, 所以报错.
  print(first_row['firstname'].dtype)  
  

  • shape 和 size属性

  print(first_row.shape)		# 维度
  # 结果为: (7,)		因为有7列元素
  print(first_row.size)		# 元素个数: 7
  

  • values 属性

  print(first_row.values) # 获取Series的元素值
  

  • index属性

  print(first_row.index)  # 获取Series的索引print(first_row.keys()) # Series对象的keys()方法, 效果同上.
  

(2) Series的常用方法

• 常用方法

  方法	说明
  append	连接两个或多个Series
  corr	计算与另一个Series的相关系数
  cov	计算与另一个Series的协方差
  describe	计算常见统计量
  drop_duplicates	返回去重之后的Series
  equals	判断两个Series是否相同
  get_values	获取Series的值，作用与values属性相同
  hist	绘制直方图
  isin	Series中是否包含某些值
  min	返回最小值
  max	返回最大值
  mean	返回算术平均值
  median	返回中位数
  mode	返回众数
  quantile	返回指定位置的分位数
  replace	用指定值代替Series中的值
  sample	返回Series的随机采样值
  sort_values	对值进行排序
  to_frame	把Series转换为DataFrame
  unique	去重返回数组
  value_counts	统计不同值数量
  keys	获取索引值
  head	查看前5个值
  tail	查看后5个值

• 代码演示

  # 1. 创建Series对象.
  s1 = pd.Series(data=[1, 2, 3, 4, 2, 3], index=['A', 'B', 'C', 'D', 'E', 'F'])
  print(s1)# 2. 演示Series对象的常用方法.
  print(len(s1))      # 获取长度, 6
  print(s1.head())    # 获取前5条数据
  print(s1.head(n=2)) # 获取前2条数据print(s1.tail())    # 获取后5条数据
  print(s1.tail(n=3)) # 获取后3条数据print(s1.keys())    # 获取所有的列名print(s1.tolist())  # Series -> list列表
  print(s1.to_list()) # 效果同上
  print(s1.to_frame())# Series -> DataFrame对象print(s1.sort_values())                 # 根据 值进行排序 默认 asc=True 升序 从小到大
  print(s1.sort_values(ascending=False))  # 根据 值进行排序, False为降序 从大到小
  print(s1.sort_index())                  # 根据 索引进行排序, 默认升序# 平均值, 最大值, 最小值, 求和, 标准差...
  print(s1.mean())
  print(s1.max())
  print(s1.min())
  print(s1.sum())
  print(s1.std())     # 标准差
  print(s1.var())     # 方差# 查看各列的 非空值总数
  print(s1.count())
  # 统计每个元素的个数
  print(s1.value_counts())    # 类似于SQL语句: select 性别, count(id) from 表名 group by 性别;
  # 查看 Series列 的详细信息
  print(s1.describe())
  

(3) Series的布尔索引

# 1. 读取数据   True -> 要, False -> 不要
df6 = pd.read_csv('data/scientists.csv')
df6
#%%
# 2. 查看每列的详细信息
df6.describe()   # 统计信息
df6.info         # 详细信息
#%%
# 3. 从 df对象中 -> 获取 Series对象
series_age = df6.Age
series_age
#%%
# 4. 演示 Series对象的 布尔索引
bool_list = [True, False, False, True, True, False, False, True]
print(series_age[bool_list])
#%%
# 5. 筛选年龄大于平均年龄的科学家
# 5.1 获取平均年龄
avg_mean = series_age.mean()
avg_mean
#%%
# 5.2 看看当前年龄 是否大于 平均年龄
cur_bool = [series_age > avg_mean]
cur_bool
#%%
# 5.3 获取 年龄大于平均年龄的科学家
df6.Name[series_age > avg_mean]
#%%
# 5.3 方式二
df6['Name'][df6['Age'] > df6['Age'].mean()]

(4) Series的运算

# 场景1: Series对象 和 数值运算, 则数值会和 Series对象的每个值进行具体的运算. 
series_age + 100
series_age * 2
#%%
# 场景2: Series对象 和 Series对象运算, 会优先参考 索引列运算, 即: 索引值相同的进行计算, 不同的用NAN(空值)填充.
series_age + series_age
#%%
series_age.sort_index(ascending=False) + series_age
#%%
series_age + pd.Series([1, 2, 3])
series_age + pd.Series([1, 2, 3], index=['a', 'b', 'c'])