Pandas数据结构Series-基本技巧
数据查看
#查看前五的数据 s = pd.Series(np.random.rand(15)) print(s.head()) #默认查看数据前五条 # 查看后5条数据 print(s.tail()) #默认查看数据的后五条 # 查看前10条数据 print(s.head(10))
重新索引
重新索引的作用是根据新的索引重新排序，若新的索引不存在则引入缺失值。
# .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(5),index=['a','b','c','d','e']) print(s) # 将索引值修改为['c','d','a','f'] s1 = s.reindex(['c','d','a','f']) print(s1) >>> a 0.972218 b 0.820531 c 0.940448 d 0.009572 e 0.462811 dtype: float64 c 0.940448 d 0.009572 a 0.972218 f NaN dtype: float64
如果不想引入缺失值可以使用fill_value指定不存在的索引值为0或其他值
s2 = s.reindex(['c','d','a','f','aaaaa'], fill_value=0) print(s2) >>> c 0.940448 d 0.009572 a 0.972218 f 0.000000 aaaaa 0.000000 dtype: float64
数据对齐
对齐两列数据，当数据索引不同时存在需要对齐的Series的时，数据值以缺失值填充。
# 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 # 空值和任何值计算结果扔为空值 s1 = pd.Series(np.random.rand(3),index=['jack','marry','tom']) s2 = pd.Series(np.random.rand(3),index=['wang','jack','marry']) print(s1+s2) >>> jack 1.261341 marry 0.806095 tom NaN wang NaN dtype: float64
删除
使用.drop删除元素的时候，默认返回的是一个副本(inplace=False)
s = pd.Series(np.random.rand(5), index = list('ngjur')) print(s) s1 = s.drop('n') s2 = s.drop(['g','j']) print(s1) print(s2) print(s) >>> n 0.876587 g 0.594053 j 0.628232 u 0.360634 r 0.454483 dtype: float64 g 0.594053 j 0.628232 u 0.360634 r 0.454483 dtype: float64 n 0.876587 u 0.360634 r 0.454483 dtype: float64 n 0.876587 g 0.594053 j 0.628232 u 0.360634 r 0.454483 dtype: float64
添加
方法一：直接通过下标索引/标签index添加值
s1 = pd.Series(np.random.rand(5)) s2 = pd.Series(np.random.rand(5), index = list('ngjur')) print(s1) print(s2) s1[5] = 100 s2['a'] = 100 print(s1) print(s2) >>> 0 0.516447 1 0.699382 2 0.469513 3 0.589821 4 0.402188 dtype: float64 n 0.615641 g 0.451192 j 0.022328 u 0.977568 r 0.902041 dtype: float64 0 0.516447 1 0.699382 2 0.469513 3 0.589821 4 0.402188 5 100.000000 dtype: float64 n 0.615641 g 0.451192 j 0.022328 u 0.977568 r 0.902041 a 100.000000 dtype: float64
方法二：使用.append()方法添加，可以直接添加一个数组，且生成一个新的数组，不改变之前的数组。
s3 = s1.append(s2) print(s3) print(s1) >>> 0 0.238541 1 0.843671 2 0.452739 3 0.312212 4 0.878904 5 100.000000 n 0.135774 g 0.530755 j 0.886315 u 0.512223 r 0.551555 a 100.000000 dtype: float64 0 0.238541 1 0.843671 2 0.452739 3 0.312212 4 0.878904 5 100.000000 dtype: float64
修改
series可以通过索引直接修改，类似序列
s = pd.Series(np.random.rand(3), index = ['a','b','c']) print(s) s['a'] = 100 s[['b','c']] = 200 print(s) >>> a 0.873604 b 0.244707 c 0.888685 dtype: float64 a 100.0 b 200.0 c 200.0 dtype: float64
巩固练习
- 如图创建Series，并按照要求修改得到结果
- 已有s1，s2（值为0-10的随机数），请求出s1+s2的值
