【课程2.2】 Pandas数据结构Series：基本概念及创建
"一维数组"Serise
import numpy as np
import pandas as pd
# 导入numpy、pandas模块
s = pd.Series(np.random.rand(5),index=list('abcde'))
print(s)
print(type(s))
# 查看数据、数据类型，所有的Pandas 数据结构都有index:
print('----------------')
print(list(s.index)) #第一列
#第二列 值
print(s.values)
# .index查看series索引，类型为rangeindex
# .values查看series值，类型是ndarray
# 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
# 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）
a 0.644754
b 0.900776
c 0.688774
d 0.823236
e 0.813280
dtype: float64
<class 'pandas.core.series.Series'>
----------------
['a', 'b', 'c', 'd', 'e']
[ 0.64475351 0.90077556 0.68877405 0.82323593 0.81328029]
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
# 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':15}
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}
4 4
5 15
a 1
b 2
c 3
dtype: int64
# Series 创建方法二：由数组创建(一维数组)
arr = np.random.randn(6)
s = pd.Series(arr,index=list('abcdef'))
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','f'],dtype = np.object)
print(s)
# index参数：设置index，长度保持一致
# dtype参数：设置数值类型
[ 2.54754718 0.42551601 2.1959398 -0.89805983 0.31313358 -0.18893152]
a 2.547547
b 0.425516
c 2.195940
d -0.898060
e 0.313134
f -0.188932
dtype: float64
a 2.54755
b 0.425516
c 2.19594
d -0.89806
e 0.313134
f -0.188932
dtype: object
# 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
0 1.149202
1 -0.563965
2 0.155182
3 1.269081
4 0.396754
dtype: float64
-----
0 0.002317
1 -0.388313
2 -0.364267
3 0.494363
4 -1.495762
Name: test, dtype: float64
None test <class 'str'>
0 0.002317
1 -0.388313
2 -0.364267
3 0.494363
4 -1.495762
Name: hehehe, dtype: float64
hehehe test
# 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
0 10
1 10
2 10
3 10
dtype: int64
