数据分析Pandas之Series，快速上手

Pandas----数据分析核心工具包

基于Numpy构建，为数据分析而存在

一维数组Serise +二维数组Dataframe(有行和列) （相当于，并不是数组）

可以直接读取数据并处理（高效简单）csv,excel,txt等

兼容各种数据库

支持各种分析算法

1.为什么要学Pandas

Numpy已经能够帮助我们处理数据，能够结合matplotlib解决部分数据展示等问题，那么pandas学习的目的在什么地方呢？

（1）增强图表可读性

• 回忆我们在numpy当中创建学生成绩表样式：
  返回结果：
  

如果数据展示为这样，可读性就会更友好：

（2）便捷的数据处理能力

（3）读取文件方便

（4）封装了Matplotlib、Numpy的画图和计算

2.Pandas数据结构Series：基本概念及创建

一维数组Serise

查看pandas版本

pip show pandas

除了使用命令行工具外，还可以在Python代码中使用__version__属性来获取库的版本号。下面是一个示例：

import pandas as pd

print(pd.__version__)

Pandas处理数据都是以表格的方式处理的

（1）安装pandas

pip install pandas

（2）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

查看下Series参数

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

s = pd.Series(np.random.rand(5))
print(s)
print(type(s))

查看数据、数据类型

print(s.index,type(s.index))

print(s.values,type(s.values))

#.index查看series索引，类型为rangeindex 是生成器

#.values查看series值，类型是ndarray

指定索引时：

s.index 是可迭代数据

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 相当于一维数组

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）

Serise:属于pandas库，相当于np.array，与list不同的是，Series带有索引index

S1=pd.Series([1,2,3,4,5])

S2=pd.Series([1,2,3,4,5],index=[‘a’,‘s’,‘d’,‘f’,‘g’]) #这是指定索引

当Series没有规定索引时，会自动生成数字索引，可以通过索引获取或更改数据，且索引和数据值之间是相关联的。

前面说到List不能直接做一些复杂的运算，但是Series可以。因此，需要将List转换成Series，这里用一个相关系数做例子

from pandas import Series

#生成两个List

a=[1,2,3,4,5]

b=[8,6,5,3,1]

#列表值转化成Series

S1=Series(a)

S2=Series(b)

#计算相关系数

cor=S1.corr(S2)

print(cor)

-0.9948497511671097

#将Series再转化成List

a1=S1.tolist()

b1=S2.tolist()

3.Series创建方式

（1）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转化为字典：

dict1 = s.to_dict()

print(dict1)

Series转化为列表，是将Series的值转化为列表

（2）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

s = pd.Series(arr, index = [‘a’,‘b’,‘c’,‘d’,‘e’],dtype = object)

print(s)

index参数：设置index，长度保持一致，多一个少一个都会报错

dtype参数：设置数值类型

（3）Series 创建方法三：由标量创建

s = pd.Series(10, index = range(4))

print(s)

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

4.Series 名称属性：name

s1 = pd.Series(np.random.randn(5))

print(s1)

print(‘-----’)

s2 = pd.Series(np.random.randn(5),name = ‘test’)

print(s2)

print(s1.name, s2.name,type(s2.name))

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

s3 = s2.rename(‘hehehe’)

print(s3)

print(s3.name, s2.name)

.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 重新生成一个数组

5.Pandas数据结构Series：索引

位置下标 / 标签索引 / 切片索引 / 布尔型索引

（1）位置下标，类似序列

s = pd.Series(np.random.rand(5))

print(s)

print(s[0],type(s[0]),s[0].dtype)

print(float(s[0]),type(float(s[0])))

#print(s[-1])

位置下标从0开始

输出结果为numpy.float格式，

可以通过float()函数转换为python float格式

numpy.float与float占用字节不同

s[-1]结果如何？ 不支持负索引

（2）标签索引

s = pd.Series(np.random.rand(5), index = [‘a’,‘b’,‘c’,‘d’,‘e’])

print(s)

print(s[‘a’],type(s[‘a’]),s[‘a’].dtype)

针对非数字类型的索引，目前还可以通过下标获取，后续版本估计会废弃，#后续通过s.iloc[]来获取位置索引

方法类似下标索引，用[]表示，内写上index，注意index是字符串 用两个中括号

sci = s[[‘a’,‘b’,‘e’]]

print(sci,type(sci))

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

标签所以可以相同，但建议不要这么做

（3）切片索引

s1 = pd.Series(np.random.rand(5))

s2 = pd.Series(np.random.rand(5), index = [‘a’,‘b’,‘c’,‘d’,‘e’])

print(s1[1:4],s1[4]) #这种是前闭后开

print(s2[‘a’:‘c’],s2[‘c’]) #这种是前闭后闭

print(s2[0:3],s2[3]) #非数字下标，以后不能这样写了

print(‘-----’)

注意：用index做切片是末端包含

切片索引

s1 = pd.Series(np.random.rand(5))

s2 = pd.Series(np.random.rand(5), index = [‘a’,‘b’,‘c’,‘d’,‘e’])

print(s1[1:4],s1[4])

print(s2[‘a’:‘c’],s2[‘c’])

print(s2[0:3],s2[3])

print(‘-----’)

#这种方式也不包含

print(s2.iloc[0:3],s2.iloc[2])print(‘-----’)

print(s2[:-1])

print(s2[::2])

下标索引做切片，和list写法一样

（4）布尔型索引

s = pd.Series(np.random.rand(3)*100)

s[4] = None # 添加一个空值

print(s)

bs1 = s > 50

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(‘-----’)

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)

print(s[s > 50])

print(s[bs3])

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！

6.Pandas数据结构Series：基本技巧

数据查看 / 重新索引 / 对齐 / 添加、修改、删除值

（1）数据查看

s = pd.Series(np.random.rand(50))

print(s.head(10))

print(s.tail())

.head()查看头部数据

.tail()查看尾部数据

默认查看5条

（2）重新索引reindex

.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’])

print(s)

s1 = s.reindex([‘c’,‘b’,‘a’,‘d’])print(s1)

#.reindex()中也是写列表

#这里’d’索引不存在，所以值为NaN

s2 = s.reindex([‘c’,‘b’,‘a’,‘d’], fill_value = 0)

print(s2)

#fill_value参数：填充缺失值的值

（3）Series对齐

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(s1+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

空值和任何值计算结果扔为空值

（4）删除：.drop

s = pd.Series(np.random.rand(5), index = list(‘ngjur’))

print(s)

s1 = s.drop(‘n’)

s2 = s.drop([‘g’,‘j’]) #删除多个，就用列表包起来

print(s1)

print(s2)

print(s)

drop 删除元素之后返回副本(inplace=False) 原来的数据不变

如果加上inplace=True ,则原来数据也会被删除

（5）添加

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)

print(‘-----’)

直接通过下标索引/标签index添加值

s3 = s1.append(s2)

print(s3)

print(s1)

通过.append方法，直接添加一个数组 新版本append不支持了，使用_append代替

.append方法生成一个新的数组，不改变之前的数组

（6）修改

s = pd.Series(np.random.rand(3), index = [‘a’,‘b’,‘c’])

print(s)

s[‘a’] = 100

s[[‘b’,‘c’]] = 200

print(s)

通过索引直接修改，类似序列