Pandas数据结构（一）—

Pandas 是 Python 中基于Numpy构建的数据操纵和分析软件包，包含使数据分析工作变得快速简洁的高级数据结构和操作工具。通过Pandas Series 和 Pandas DataFrame这两个数据结构，我们可以轻松直观地处理带标签数据和关系数据。本节主要介绍Pandas Series的基本使用。

Pandas Series

Pandas Series是一种类似于数组的一维对象，可以存储不同类型的数据。其中，Series对象的数据存在一组与之关联的数据标签（索引），通过Series的values和index能够获取其数组表示形式和索引对象。你可以为Pandas Series 中的每个元素指定索引，并通过索引选取Series中的单个或一组值。

首先，在 Python 中导入 Pandas，通常使用pd导入 Pandas。

import pandas as pd

使用 pd.Series(data, index) 命令创建 Pandas Series， index 是一个索引标签列表。

我们创建一个Pandas Series 对象来存储商品信息，其中单价为数据，商品名为索引标签。

import pandas as pd

goods = pd.Series(data = [39,8,15], index = ['pen', 'ice cream', 'notebook'])

goods

运行结果：

如果不指定索引标签，则默认索引从0开始。

import pandas as pd

words = pd.Series(data = ['a','b','c','d'])

words

我们还可以单独输出 Pandas Series 的索引标签和数据来查看详细内容。

print('商品单价：', goods.values)

print('商品名：', goods.index)

运行结果：

如果你不清楚是否存在某个索引标签，可以使用 in命令来判断该标签是否存在：

aa = 'notebook' in goods

bb = 'milk' in goods

cc = 'pen' in goods

print(aa,bb,cc)

运行结果：

Pandas Series 的算术运算

还是使用上面存储商品信息的实例，我们来对其进行元素级算术运算。

print(goods + 1)

print()

print(goods - 2)

print()

print(goods * 3)

print()

print(goods / 4)

运行结果：

除此之外，我们也可以对Series对象的部分条目应用算术运算。如下所示：

print(goods['pen'] + 5)

print(goods.iloc[0] - 2)

print(goods[['ice cream', 'notebook']] * 10)

运行结果：

巴特西

Pandas数据结构（一）——Pandas Series

最新文章

热门文章