数组：

　　数组的概念可以看做是一群数据的集合，有点类似python的列表、元组，但是并不相同。在pandas中提到数组一般指的是ndarray(numpy中的数组)

　　Series数据结构

　　1、Series是一个一维数组(带有索引,索引可以为数值也可以为标签(比如a、b、c))，能够保存任何数据类型（整数、字符串、浮点数、Python对象等）。

　　2、Series和DataFrame都有索引，只不过DataFrame同时有列和行索引。

　　3、Series相比ndarray多了一个索引，相当于一位数组+索引。

　　4、Series和dict相比，Series更像有顺序的字典，其中字典的key就是索引，索引可以是数字也可以是字母。

　　5、Series有索引，也有name属性(可以理解为excel的一列的表头)

　　6、只看Series的值，就是ndarray数组

　　Series创建(通过字典、数组、标量)：

　　1、通过字典创建，字典的键就是索引，值就是值。也可以人为指定了index(索引)，如果指定的index没有对应的值，那么就会用缺失值(空值)替代。

# -*- coding: utf-8 -*-

import pandas as pd


# 通过dict创建
d = {'A': 1, 'B': 0, 'C': 2}
s = pd.Series(d)
print(s)
print('==================')
s2 = pd.Series(d, index=['A', 'B', 'c', 'd'])
print(s2)

A    1
B    0
C    2
dtype: int64
==================
A    1.0
B    0.0
c    NaN
d    NaN
dtype: float64

　　2、通过数组(np数组、列表、元组等)创建

# -*- coding: utf-8 -*-

import pandas as pd
import numpy as np

# 通过数组创建
arr = np.random.rand(5)
s = pd.Series(arr)
print(s)
print('============')
s2 = pd.Series(arr,index=['a','b',3,4,1])
print(s2)

0    0.543199
1    0.261755
2    0.464825
3    0.119778
4    0.436607
dtype: float64
============
a    0.543199
b    0.261755
3    0.464825
4    0.119778
1    0.436607
dtype: float64

　　3、通过标量创建

　　index索引值可以出现相同的，但是应避免这样。

# -*- coding: utf-8 -*-

import pandas as pd
import numpy as np

# 通过标量创建
s = pd.Series(5., index=['a', 'b', 'c', 'd', 'e'])
print(s)

a    5.0
b    5.0
c    5.0
d    5.0
e    5.0
dtype: float64

　　name属性及rename方法：

　　1、Series的name属性(相当于excel的一列添加了表头名)

　　2、rename方法修改name

# -*- coding: utf-8 -*-

import pandas as pd
import numpy as np

# 通过标量创建
s = pd.Series(5., index=['a', 'b', 'c', 'd', 'e'],name = '高度')
print(s)
print('-----------')
s.name = '长度'
print(s)
print('-----------')
s = s.rename('宽度')
print(s)

a    5.0
b    5.0
c    5.0
d    5.0
e    5.0
Name: 高度, dtype: float64
-----------
a    5.0
b    5.0
c    5.0
d    5.0
e    5.0
Name: 长度, dtype: float64
-----------
a    5.0
b    5.0
c    5.0
d    5.0
e    5.0
Name: 宽度, dtype: float64

　　Series的index属性(获取索引)、values属性(获取值)

# -*- coding: utf-8 -*-

import numpy as np
import pandas as pd

arr = np.random.rand(3)
s = pd.Series(arr)
print('s的索引',s.index,type(s.index))
print('把s索引变为列表',list(s.index))
print('s的值',s.values,type(s.values))
print('把s的值变为列表',list(s.values))

s的索引 RangeIndex(start=0, stop=3, step=1) <class 'pandas.core.indexes.range.RangeIndex'>
把s索引变为列表 [0, 1, 2]
s的值 [0.86401824 0.86229577 0.4742213 ] <class 'numpy.ndarray'>
把s的值变为列表 [0.8640182359257331, 0.8622957709758832, 0.4742213037368106]

　　我们来综合看一下series的常见属性，其中dtype和dtypes相对比较复杂，我们后面会专门解释：

1	axes	返回行轴标签列表。
2	dtype	返回对象的数据类型(dtype)。
3	dtypes	返回对象的数据类型(dtypes)。
4	empty	如果系列为空，则返回True。
5	ndim	返回底层数据的维数，默认定义：1。
6	size	返回基础数据中的元素数。
7	values	将系列作为ndarray返回。
8	head()	返回前n行。
9	tail()	返回最后n行。

很赞哦！

python编程网提示：转载请注明来源www.python66.com。
有宝贵意见可添加站长微信(底部)，获取技术资料请到公众号(底部)。同行交流请加群