精华内容
下载资源
问答
  • Pandas Series转换为DataFrame

    万次阅读 多人点赞 2018-10-08 13:43:55
    虽然Series有一个to_frame()方法,但是当Series的index也需要转变为DataFrame的一列时,这个方法转换会有一点问题。所以,下面我采用将Series对象转换为list对象,然后将list对象转换为DataFrame对象。 实例 这里的...

    详细可以见我的个人博客:Pandas Series转换为DataFrame

    说明

    虽然Series有一个to_frame()方法,但是当Series的index也需要转变为DataFrame的一列时,这个方法转换会有一点问题。所以,下面我采用将Series对象转换为list对象,然后将list对象转换为DataFrame对象。

    实例

    这里的month为一个series对象:

    type(month)
    pandas.core.series.Series
    

    它的index为月份,values为数量,下面将这两列都转换为DataFrame的columns。

    import pandas as pd
    
    dict_month = {'month':month.index,'numbers':month.values}
    df_month = pd.DataFrame(dict_month)
    
    展开全文
  • pandas.core.series.Series

    千次阅读 2020-10-12 10:00:02
    1 Series 线性的数据结构, series是一个一维数组 Pandas 会默然用0到n-1来作为series的index, 但也可以自己指定index( 可以把index理解为dict里面的key ) 1.1创造一个serise数据 import pandas as pd import ...

    1 Series

    线性的数据结构, series是一个一维数组

    Pandas 会默然用0到n-1来作为series的index, 但也可以自己指定index( 可以把index理解为dict里面的key )

    1.1创造一个serise数据

    import pandas as pd
    import numpy as np
    ​
    s = pd.Series([9, 'zheng', 'beijing', 128])
    ​
    print(s)
    • 打印

    打印
    
    0          9
    1      zheng
    2    beijing
    3        128
    dtype: object
    • 访问其中某个数据

    访问其中某个数据
    
    print(s[1:2])
    ​
    # 打印
    1    zheng
    dtype: object

    1.2 指定index

    import pandas as pd
    import numpy as np
    ​
    s = pd.Series([9, 'zheng', 'beijing', 128, 'usa', 990], index=[1,2,3,'e','f','g'])
    ​
    print(s)
    • 打印

    打印
    
    1          9
    2      zheng
    3    beijing
    e        128
    f        usa
    g        990
    dtype: object
    • 根据索引找出值

    print(s['f'])    # usa

    1.3 用dictionary构造一个series

    import pandas as pd
    import numpy as np
    ​
    s = {"ton": 20, "mary": 18, "jack": 19, "car": None}
    ​
    sa = pd.Series(s, name="age")
    ​
    print(sa)
    • 打印

    car      NaN
    jack    19.0
    mary    18.0
    ton     20.0
    Name: age, dtype: float64
    • 检测类型

    print(type(sa))    # <class 'pandas.core.series.Series'>

    1.4 用numpy ndarray构造一个Series

    #生成一个随机数

    import pandas as pd
    import numpy as np
    ​
    num_abc = pd.Series(np.random.randn(5), index=list('abcde'))
    num = pd.Series(np.random.randn(5))
    ​
    print(num)
    print(num_abc)
    ​
    # 打印
    0   -0.102860
    1   -1.138242
    2    1.408063
    3   -0.893559
    4    1.378845
    dtype: float64
    a   -0.658398
    b    1.568236
    c    0.535451
    d    0.103117
    e   -1.556231
    dtype: float64

    1.5 选择数据

    import pandas as pd
    import numpy as np
    ​
    s = pd.Series([9, 'zheng', 'beijing', 128, 'usa', 990], index=[1,2,3,'e','f','g'])
    ​
    print(s[1:3])  # 选择第1到3个, 包左不包右 zheng beijing
    print(s[[1,3]])  # 选择第1个和第3个, zheng 128
    print(s[:-1]) # 选择第1个到倒数第1个, 9 zheng beijing 128 usa

    1.6 操作数据

    import pandas as pd
    import numpy as np
    ​
    s = pd.Series([9, 'zheng', 'beijing', 128, 'usa', 990], index=[1,2,3,'e','f','g'])
    ​
    sum = s[1:3] + s[1:3]
    sum1 = s[1:4] + s[1:4]
    sum2 = s[1:3] + s[1:4]
    sum3 = s[:3] + s[1:]
    ​
    print(sum)
    print(sum1)
    print(sum2)
    print(sum3)

    #打印

    2        zhengzheng
    3    beijingbeijing
    dtype: object
    2        zhengzheng
    3    beijingbeijing
    e               256
    dtype: object
    2        zhengzheng
    3    beijingbeijing
    e               NaN
    dtype: object
    1               NaN
    2        zhengzheng
    3    beijingbeijing
    e               NaN
    f               NaN
    g               NaN
    dtype: object

    1.7 查找

    • 范围查找
      import pandas as pd
      import numpy as np
       
      s = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car": None}
       
      sa = pd.Series(s, name="age")
       
      print(sa[sa>19])
      

    • 中位数
      import pandas as pd
      import numpy as np
       
      s = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car": None}
       
      sa = pd.Series(s, name="age")
       
      print(sa.median())  # 20
      

       

    • 判断是否大于中位数
      import pandas as pd
      import numpy as np
       
      s = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car": None}
       
      sa = pd.Series(s, name="age")
       
      print(sa>sa.median())
      

    • 1.9 满足条件的统一赋值

      import pandas as pd
      import numpy as np
       
      s = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car": None}
       
      sa = pd.Series(s, name="age")
       
      print(s) # 打印原字典
       
      print('---------------------')   # 分割线
       
      sa[sa>19] = 88 # 将所有大于19的同一改为88
       
      print(sa) # 打印更改之后的数据
       
      print('---------------------')   # 分割线
       
      print(sa / 2) # 将所有数据除以2
      

    展开全文
  • 序列:Series 用于存储一行或者一列的数据,以及与之相关的索引集合(类似于列表,但是有索引) 数据定义: #序列的导入 from pandas import Series #定义,可以混合定义 x=Series(['a',True,1],index=['first','...
    本文测试使用Pandas使用的是Spyder,python3.6版本,已经安装好pandas包。

    序列:Series用于存储一行或者一列的数据,以及与之相关的索引集合(类似于列表,但是有索引)

    数据定义:

    #序列的导入
    from pandas import Series
    
    #定义,可以混合定义
    x=Series(['a',True,1],index=['first','second','third'])
    

    在Variable explorer中点击x可查看数据如下图:

    这里写图片描述

    如果在定义的时候不设置index时,会自动设置(默认),如下图:

    #序列的导入
    from pandas import Series
    
    #定义,可以混合定义
    x=Series(['a',True,1],index=['first','second','third'])
    x=Series(['a',True,1])
    

    这里写图片描述

    访问方式:

    在设置索引index的时候,可以同时使用:x[1](表示获默认索引为1的数据)以及x["first"](索引为first的数据)。在不设置索引的时候,只能通过默认索引的方式获取。(注:当使用索引的方式不要使用索引超过数据的长度的值,否则会出现 index out of bounds错误)。

    数据追加:

    不能形如x.append('3')的形式追加,需要追加一个序列,形如x=x.append(Series(['3'])),需要用原来的序列来接受。如果没有设置索引,那么就会默认从0开始自动设置索引(需要注意的是,再次x=x.append(Series(['3']))其索引依然为0)如图:
    这里写图片描述

    常用方法:

    判断值是否存在于其中:不应使用'3' in x,应使用'3' in x.values

    切片:(类似于列表的方式)如:x[1:3]获取的值为索引为1和2,不包括3.

    定位获取:(可用于随机抽样)如x[[2,1,0]]结果如下图:

    这里写图片描述

    数据删除:根据默认索引或者设置的索引如:x.drop(0)x.drop("first"),并用x去接收数据;根据位置删除,x.drop(x.index[3])删除索引为3值(x.index[3]通过默认索引获取设置索引的值);根据值删除:如z=x['3'!=x.values],获取序列中值不为3的新序列,如图:

    这里写图片描述

    数据的遍历:

    for index in x.index:
    	#索引的遍历
    	print("x的索引:",index)
    	#值得遍历
    	print("x的值:",x[index])
    
    展开全文
  • demo.py(Series取值,切片): import pandas as pd t1 = pd.Series([13, 23, 33, 43, 53], index=["a", "b", "c", "d", "e"]) print(t1) ''' a 13 b 23 c ...

     

    demo.py(Series取值,切片):

    import pandas as pd
    
    
    t1 = pd.Series([13, 23, 33, 43, 53], index=["a", "b", "c", "d", "e"])
    print(t1)
    '''
    a    13
    b    23
    c    33
    d    43
    e    53
    dtype: int64
    '''
    
    # 通过索引直接取值
    print(t1["d"])  # 43
    # 通过位置取值(从0开始)
    print(t1[3])  # 43
    
    
    # 切片
    # 取位置连续的值
    print(t1[1:4])  # 也可以指定步长
    '''
    b    23
    c    33
    d    43
    dtype: int64
    '''
    
    # 取位置不连续的值
    print(t1[[1,3]])
    '''
    b    23
    d    43
    dtype: int64
    '''
    # 也可以通过索引取多个值
    print(t1[["b","d","w"]])  # 如果指定的索引不存在,那么对应值就返回NaN(float类型)
    '''
    b    23.0
    d    43.0
    w     NaN
    dtype: float64
    '''
    

    demo.py(Series的index和values属性):

    import pandas as pd
    
    
    t1 = pd.Series([13, 23, 33, 43, 53], index=["a", "b", "c", "d", "e"])
    print(t1)
    '''
    a    13
    b    23
    c    33
    d    43
    e    53
    dtype: int64
    '''
    
    print(type(t1.index))  # <class 'pandas.core.indexes.base.Index'>
    print(t1.index)   # Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
    print(len(t1.index))  # 5  有长度 可以遍历迭代
    # 可以强制转换成list类型
    print(list(t1.index))  # ['a', 'b', 'c', 'd', 'e']
    
    
    print(type(t1.values))  # <class 'numpy.ndarray'>
    print(t1.values)   # [13 23 33 43 53]
    # ndarray的很多方法都可以运用到Series类型。 例如:argmax()获取最大值;clip()裁剪等。
    
    # Series对象本质上由两个数组构成,一个构成索引index,一个构成对象的值values
    
    

    demo.py(Series的布尔索引):

    import pandas as pd
    
    
    t1 = pd.Series([13, 23, 33, 43, 53], index=["a", "b", "c", "d", "e"])
    print(t1)
    '''
    a    13
    b    23
    c    33
    d    43
    e    53
    dtype: int64
    '''
    
    # Series类型也支持bool索引。
    print(t1[t1>30])
    '''
    c    33
    d    43
    e    53
    dtype: int64
    '''
    
    t1[t1>30] = 0
    print(t1)
    '''
    a    13
    b    23
    c     0
    d     0
    e     0
    dtype: int64
    '''
    

     

     

    展开全文
  • Pandas Series

    千次阅读 2017-05-24 13:17:18
    构造方法 方法 描述 Series([data, index, dtype, name, copy, …]) 一维序列 属性 方法 描述 Series.index 轴标签 Series.values ...
  • Series.rename 如何对Series重取列名

    千次阅读 2020-06-19 20:08:10
    Series.rename 如何对Series重取列名 想要把图中的Series红框中的列名更改了,怎么办? a.rename('rank',inplace=True) 变成下面:
  • series是pandas的一种数据类型,Series是一个定长的,有序的字典,因为它把索引和值映射起来了。通过以下例子,可以更加清楚它们的数据表示。1、list to others# list data = [[2000, 'Ohino', 1.5],
  • Pandas把dataframe或series转换成list

    万次阅读 多人点赞 2019-08-12 12:25:15
    把a列中不重复的元素转换成list: df['a'].drop_duplicates().values.tolist() 输入一维dataframe: df = pd.DataFrame([3, 5, 6, 2, 4, 6, 7, 8, 7, 8, 9]) 转换成list[list]: df.values.tolist() 把series转换为...
  • Fourier Series A Fourier series is an expansion of a periodic function in terms of an infinite sum of sines and cosines. Fourier series make use of the orthogonality relationships of
  • Pandas Series核心点总结

    万次阅读 多人点赞 2020-10-13 16:07:55
    Pandas数据结构Series2.1 构造和初始化Series2.2 Series的基本属性2.3 选择数据2.4 赋值运算2.5 数学运算 1. Pandas简介 Python数据分析的核心库之一 基于Numpy (对ndarray的操作) 更能体会到Python的Functional ...
  • pd.Series()函数

    万次阅读 多人点赞 2019-10-18 20:40:39
    1.Series介绍 S Pandas模块的数据结构主要有两种:1.Series 2.DataFrame Series 是一维数组,基于Numpy的ndarray 结构 Series([data, index, dtype, name, copy, …]) # One-dimensional ndarray with axis labels ...
  • echarts动态series

    千次阅读 2019-10-31 10:19:31
    /动态series/ var series=[]; for(var i in newData) { series.push({ name: newData[i].name, type: 'line', xAxisIndex: i, ...
  • Series和DataFrame的排序

    千次阅读 2020-08-08 22:08:38
    Series和DataFrame的排序Series和DataFrame的排序引入相关库Series的排序DataFrame的排序 Series和DataFrame的排序 引入相关库 import numpy as np import pandas as pd from pandas import Series,DataFrame ...
  • DeepID Series Deep Learning Face Representation from Predicting 10,000 Classes [Yi Sun et al., 2014] Deep Learning Face Representation by Joint Identification-Verification [Yi Sun et al., 2014] ...
  • python 创建Series

    千次阅读 2019-09-22 22:05:02
    #创建Series #用于存储一行或一列的数据,以及与之相关的索引的集合 import pandas as pd s1 = pd.Series([43,56]) print(s1) s2 = pd.Series([43,12.4]) print(s2) s3 = pd.Series([False,True]) print(s3) #有...
  • pandas - Series

    千次阅读 2018-06-27 15:11:05
    Series 创建时需要data/index两个信息 Series可以通过array/dict/scalar创建 Series可以看作dict/ndarray,和numpy互通 Series计算时自动按标签对齐 源 Series是带标签的一维数组,支持任意数据类型(整型,字符传,...
  • 1、使用前导入相关模块import numpy as npimport pandas as pd# 忽略警告信息import warningswarnings.filterwarnings("ignore")注意:输出打印...原生python和pycharm 用print()2、创建SeriesSeries类型类似于Nu...
  • 1、使用前导入相关模块import numpy as npimport pandas as pd# 忽略警告信息import warningswarnings.filterwarnings("ignore")注意:输出打印...原生python和pycharm 用print()2、创建SeriesSeries类型类似于Nu...
  • echarts的series配置

    万次阅读 2019-02-19 11:09:33
    series: [ { name: name0, type: type0, smooth: false, yAxisIndex: 0, data: xdata, itemStyle: { normal: { color:'#1890FF', label: { color:'#00...
  • Pandas 安装: pip install pandas numpy 和pandas 区别: ...series: 一维数组类似array,series=索引+数据。区别是Series能保存不同种数据类型,字符串、boolean值、数字等,而numpy只能存储同类型数...
  • Series(二):Series的元素获取方式

    千次阅读 2020-03-18 09:05:00
    ↑关注 + 星标~有趣的不像个技术号每晚九点,我们准时相约大家好,我是黄同学今天给大家介绍Series的元素获取方式。关于切片和索引获取Ser...
  • Python之Pandas中Series、DataFrame实践

    万次阅读 2016-01-06 16:00:33
    Python之Pandas中Series、DataFrame实践1. pandas的数据结构Series1.1 Series是一种类似于一维数组的对象,它由一组数据(各种NumPy数据类型)以及一组与之相关的数据标签(即索引)组成。 1.2 Series的字符串表现...
  • http://mathworld.wolfram.com/LaplaceSeries.html Laplace Series The spherical harmonics form a complete orthogonal system, so an arbitrary real function can be expanded in terms of com
  • 1. 查看名称, 重命名.name方法, 查看Series的名称. .rename()方法, 重命名import pandas as pdlst=[1,2]s1=pd.Series(lst,index=["index0","index1"],name="曾用名")print(s1.name)s2=s1.rename("新名称") # 重命名...
  • pandas创建Series

    2019-05-22 14:23:49
    如何创建Series对象 常见的创建Pandas对象的方式,都像这样的形式: pd.Series(data, index=index)1 其中,index是一个可选参数...
  • Series和DataFrame

    2018-08-22 14:26:10
    Series和DataFrame都是Pandas中的数据类型 Series可以认为是一维数组 DataFrame可以认为是二维数组 &amp;gt;&amp;gt;&amp;gt; from pandas import Series,DataFrame &amp;gt;&amp;gt;&...
  • Pandas Series操作

    2017-04-28 10:20:38
    1. map操作series.map(func)>>> import pandas as pd >>> series = pd.Series([1, 2, 3]) >>> series 0 1 1 2 2 3 dtype: int64 >>> series.map(lambda x: x*10) 0 10 1 20 2 30 dtype: int64
  • series转换成dataframe

    万次阅读 2019-03-14 16:28:18
    在平时数据分析时,通过describe和groupby生成的统计数据,更多的时候是属于series格式的。 而我们在后续的分析或者数据合并的过程中,我们往往需要将series格式转换成dataframe格式,往往存在以下两种情况 单个的...
  • 1、list、ndarray、Series的简单比较 list列表,列表中的元素可以是不同的数据类型,使用从0开始的整数值作为默认索引; ndarray数组,数组中的元素必须是同种数据类型,也是使用从0开始的整数值作为默认索引; ...
  • python series类型

    千次阅读 2019-11-01 16:57:47
    pandas中主要有两种数据结构:Series 和 DataFrame 可以存储在pkl文件中 在python3中可以直接读取pkl文件: import pickle word = pickle.load(open('./i2s_dict.pkl','rb'), encoding='utf-8')#有中文 print...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 71,233
精华内容 28,493
关键字:

series