精华内容
下载资源
问答
  • 本文介绍python中获取Series三种方法:1、使用切片获取Series值;2、使用索引获取Series值;3、直接遍历Series获取值。 方法一:使用切片获取Series值 x = pd.Series(np.arange(1,11),index=list("abcdefghij"))...

    在python中除了本文就有的列表,pandas库中的Series也可以看作列表, 表示一系列的值(数字或者其他数据),例如一列数字,想要对这些数字进行操作,首先要获取值。本文介绍python中获取Series值的三种方法:1、使用切片获取Series值;2、使用索引获取Series值;3、直接遍历Series获取值。
    方法一:使用切片获取Series值

    x = pd.Series(np.arange(1,11),index=list("abcdefghij"))
    
    display(x)
    
      
    
    display(x[::-1])
    
    display(x[-4:-8:-1])
    
    display(x[4:8:1])
    

    方法二:使用索引获取Series值

    # 根据值获取索引
    
    series1[series1.values == 1].index
    
      
    
    # 根据索引获取值
    
      
    
    series1['a']
    

    方法三:直接遍历Series获取值

    from pandas import Series
    
    series = Series(data=name,index=emp)
    
    print(series)
    
    for value in series.keys():# 遍历并拿到index数据
    
        print(value)
    
         
    
    for value in series:#拿到name的值
    
        print(value)
    
         
    
    for value in series.items():# 遍历并拿到每对索引和数据
    
        print(value)
    

    以上就是python中获取Series值的三种方法,大家可以直接套入使用哦~
    关于python中Series常见属性,可以点击查看。

    展开全文
  • 但是Series因为多了一个index,所以他也可以通过索引值(index)作为线索进行数值查询和获取,这个获取方法又有点类似于字典,所以我们可以把Series数据想象成字典和列表两种数据结构融合。我们用以下代码来进行...

    Series中数据的获取非常类似list、ndarray中数据的获取,可以采用中括号[]里面包含索引值或者切片的方式来获取其中的一个或者一个片段(即切片,用[m:n]这样的结构来表示index范围)的数据。
    但是Series因为多了一个index,所以他也可以通过索引值(index)作为线索进行数值的查询和获取,这个获取方法又有点类似于字典,所以我们可以把Series数据想象成字典和列表两种数据结构的融合。我们用以下代码来进行演示:

    import pandas as pd
    data_list = [3,4,5,6]
    s_data = pd.Series(data_list,index=['a','b','c','d'])
    
    print(s_data['b'])
    print(s_data[['a']])
    print(s_data[['a','c','d']])
    print(s_data[0:2])
    

    运行以上代码之后,我们可以得到以下结果:

    4
    a    3
    dtype: int64
    a    3
    c    5
    d    6
    dtype: int64
    a    3
    b    4
    dtype: int64
    [Finished in 5.2s]
    
    展开全文
  • 文章目录pandas1、Series1)Series的创建(1) 由列表或numpy数组创建通过设置index参数指定索引name参数copy属性(2) 由字典创建2)Series的索引和切片(0)常规索引的方式(1) 显式索引:(2) 隐式索引:常规切片显式切片...

    Excel的主要作用是保存数据,进行数据分析

    Pandas是线上服务类型,数据分析和数据处理(在机器学习中数据处理)

    在统计学理论支撑下诞生的,帮助相关的业务部分部门需要监控、定位、分析、解决问题,帮助企业高效决策,提高经验的效率,从而提高利润,发挥价值,规避分析。

    pandas

    数据分析 三剑客

    • numpy数值计算
    • pandas数据分析
    • matplotlib+seaborn数据可视化

    tableau + power bi + Excel

    # pandas继承了numpy
    # pandas中有两组数据类型,一个是Series,另一个是DataFrame
    import pandas as pd
    import numpy as np
    

    1、Series

    Series是一种类似与一维数组的对象,由下面两个部分组成:

    values:一组数据(ndarray类型)
    key:相关的数据索引标签

    1)Series的创建

    两种创建方式:

    (1) 由列表或numpy数组创建

    默认索引为0到N-1的整数型索引

    s1 = pd.Series([1,2,3,4])
    s1
    #0    1
    #1    2
    #2    3
    #3    4
    #dtype: int64
    
    通过设置index参数指定索引
    s2 = pd.Series(data=[1,2,3,4],index=list('abcd'))
    s2
    #a    1
    #b    2
    #c    3
    #d    4
    #dtype: int64
    
    name参数
    s3 = pd.Series(data=[1,2,3,4],index=list('abcd'),name='demo')
    s3
    #a    1
    #b    2
    #c    3
    #d    4
    #Name: demo, dtype: int64
    
    copy属性

    对于ndarray来说,直接可以引用地址

    arr = np.array([1,2,3,4,5])
    ser = pd.Series(data=arr,copy=True)
    ser
    #0    1
    #1    2
    #2    3
    #3    4
    #4    5
    #dtype: int32
    arr[0]=100
    ser
    #0    1
    #1    2
    #2    3
    #3    4
    #4    5
    #dtype: int32
    

    (2) 由字典创建

    #set类型不支持
    dict_ = dict(a=1,b=2,c=3)
    pd.Series(dict_)
    #a    1
    #b    2
    #c    3
    #dtype: int64
    
    2)Series的索引和切片

    可以使用中括号取单个索引(此时返回的是元素类型),或者中括号里一个列表取多个索引(此时返回的仍然是一个Series类型)。分为显示索引和隐式索引:

    (0)常规索引的方式
    S = pd.Series(dict(a=1,b=2,c=3,d=4))
    S[:2],S[:'c'],S.c
    #(a    1
    # b    2
    # dtype: int64, a    1
    # b    2
    # c    3
    # dtype: int64, 3)
    

    索引的类型有两种:

    枚举型索引:特征索引是连续数值
    关联型索引:特征索引都是离散字符类型

    (1) 显式索引:
    • 使用index中的关联类型作为索引值
    • 使用.loc[](推荐)
      可以理解为pandas是ndarray的升级版,但是Series也可是dict的升级版

    注意,此时是闭区间

    S.loc['b']
    #2
    
    (2) 隐式索引:
    • 使用整数作为索引值
    • 使用.iloc[](推荐)
      注意,此时是半闭区间
    S.iloc[2]
    #3
    
    常规切片
    S
    #a    1
    #b    2
    #c    3
    #d    4
    #dtype: int64
    S[1:-1]
    #b    2
    #c    3
    #dtype: int64
    S['a':'d']
    #a    1
    #b    2
    #c    3
    #d    4
    #dtype: int64
    
    显式切片
    S.loc['a':'d']
    #a    1
    #b    2
    #c    3
    #d    4
    #dtype: int64
    
    隐式切片
    S.iloc[0:-1]
    #a    1
    #b    2
    #c    3
    #dtype: int64
    
    3)Series的基本概念
    可以把Series看成一个定长的有序字典
    可以通过ndim,shape,size,index,values等得到series的属性
    S.ndim,S.shape,S.size,S.dtype
    #(1, (4,), 4, dtype('int64'))
    S.index
    #Index(['a', 'b', 'c', 'd'], dtype='object')
    S.keys()
    #Index(['a', 'b', 'c', 'd'], dtype='object')
    S.values
    #array([1, 2, 3, 4], dtype=int64)
    S.nbytes
    #32
    
    可以通过head(),tail()快速查看Series对象的样式

    共同都有一个参数n,默认值为5

    S = pd.Series(data=np.random.randint(0,10,10000))
    #Linux 当中 head -n xxx.txt 读取前几行
    S.head(n=3)
    #0    4
    #1    9
    #2    8
    #dtype: int32
    
    使用pandas读取CSV文件
    #filepath_or_buffer = 路径
    #sep=','  CSV的分割符
    city = pd.read_csv('500_Cities__Local_Data_for_Better_Health.csv')
    city.head()
    

    在这里插入图片描述

    当索引没有对应的值时,可能出现缺失数据显示NaN(not a number)的情况
    np.array([None,1,2,3])
    #array([None, 1, 2, 3], dtype=object)
    S=pd.Series([None,1,2,3])
    
    可以使用pd.isnull(),pd.notnull(),或自带isnull(),notnull()函数检测缺失数据
    #mysql  where demo is not null
    index = S.notnull()
    index
    #0    False
    #1     True
    #2     True
    #3     True
    #dtype: bool
    S[index]
    #1    1.0
    #2    2.0
    #3    3.0
    #dtype: float64
    
    展开全文
  • 和列表、元组等数据结构操作一样,我们也可以使用len()函数来获取一个Series数据结构长度,课件len这个方法是普适性比较强一个函数。我们使用以下代码来感受一下: import pandas as pd data_list = [3,4,5,6]...

    和列表、元组等数据结构的操作一样,我们也可以使用len()函数来获取一个Series数据结构的长度,课件len这个方法是普适性比较强的一个函数。我们使用以下代码来感受一下:

    import pandas as pd
    data_list = [3,4,5,6]
    s_data = pd.Series(data_list,index=['a','b','c','d'])
    data_len = len(s_data)
    print(data_len)
    
    tuple_data = (1,2,3,4)
    tuple_length = len(tuple_data)
    print(tuple_length)
    
    list_length = len(data_list)
    print(list_length)
    

    运行之后,我们可以得到以下的运行结果:

    4
    4
    4
    [Finished in 5.7s]
    
    展开全文
  • series数组行索引获取方法

    千次阅读 2019-09-22 16:46:56
    直接使用series对象名加上.index可以获得所有行索引
  • Series 常用属性和方法 表格数据中每一行或者每一列数据结构都是...values、index、items返回对象分别是List、Index、Zip类型数据,为了方便我们使用和观察数据,可以使用series.index.tolist()和list(series
  • 我们可以用values,index,items等Series的属性来获取各个部分的值。 from pandas import Series emp=['001','002','003','004','005','006'] name=['亚瑟', '后裔','小乔','哪吒' ,'虞姬','王昭君'] series = Se
  • 文章目录一、Pandas字符串处理1.Pandas的字符串处理的基本介绍2.一些常用方法的使用举例3.使用过程中的一些注意二、...使用方法:先获取Series的str属性,然后在属性上调用函数; 只能在字符串列上使用,不能数字列
  • pandas概述 Numpy主要处理结构化数据,数据量比较小,规则 对于⼤量数据, 需要清理的数据,则需要pandas ...如果想获取绑定的内容,分别可以使用values属性和index属性。 Series的创建 Series对象的创...
  • pandas中的 Series的讲解

    千次阅读 2018-04-06 13:42:46
    # coding=utf-8 import pandas as pd import numpy as np from pandas import Series ''' Series的方法与属性 属性: values 获取某一列的数据值 获取的值为numpy.ndarray类型 index 获取series数据 ...
  • 三种创建series的方法 import pandas as pd import numpy as np #1).仅有数据列表 s1=pd.Series([1,“A”,5.2,70])#中括号不能少 print(s1) print(s1.index)#结果为:RangeIndex(start=0, stop=4, step=1);获取...
  • 2、Series的创建方式。 # 使用列表,创建Series。 # 自己指定index,和数据类型,创建Series。 #通过字典创建Series(注意:字典中的键就是索引)。 3、Series索引和值。 3.1、通过索引获取单个元素的值。 3.2、通过...
  • 通过指定pandas.DataFrame和pandas.Series的index(下标),可以选择和获取行/列或元素的值。根据[]中指定的值的类型,可以获取的数据会有所不同。 将描述以下内容。 获取pandas.DataFrame的列 列名称:将单个列...
  • Series取反·不简单此篇介绍今天遇到一个有意思bug与...amp_samples = value[value].index.tolist()not_amp_samples=value[~value].index.tolist()value是一个值为True或False的Series,我想从中分别获取值为T...
  • 您可能感兴趣文章:Python3使用pandas模块读写excel操作示例python3 pandas 读取MySQL数据和插入实例python3使用pandas获取股票数据方法在python中pandas的series合并方法python pandas中对Series
  • 先提兴一下:Series在python中是区分大小写。 #数据结构Series #1、数据结构对象 """ Series是在Pandas库中出现... 通过Series对象values和index属性 分别获取对应值和索引 例如: """ import numpy as np impo
  • 深入理解series和dataframe

    千次阅读 2018-04-05 13:41:56
    获取series的value和index series的value数据类型为array,而index在创建时未指定,所以默认为RangeIndex,从0开始累加。 创建series指定index dataframe 通过字典创建dataframe ...
  • pandas-Series

    2017-09-05 16:31:11
    import pandas as pd ''' Series Series是一个一维的类似的数组对象,包含一个数组...可以分别的通过它的 values 和 index 属性来获取Series的数组表示和索引对象: ''' #obj=pd.Series([1,2,3,5,7,8]) #print (obj.val
  • 2.可以通过shape,size,index,values等得到series的属性 shape:形状 size:元素的个数 index获取index的值,返回的是对象 values:获取value的值 *numpy tolist()的用法 3.可以使用head(),tail()分别查看前n个...
  • pandas 引入约定: 1 from pandas import Series, DataFrame... Series 类似一维数组对象,它由一组数据以及一组索引组成,可以通过 Series values 和 index 属性来获取其数组表示形式和索引对象: obj = ...
  • pandas 之series

    2018-06-08 18:33:29
    获取Series值 1. obj = Series([2, 4, 7]) print(obj) print(obj[0]) print(obj[1]) print(obj[2]) 输出 # 0 2 # 1 4 # 2 7 # dtype: int64 # 2 # 4 # 7 2,有index 索引 获取值 obj2 = Se...
  • Padas是用于数据分析最流行python库。...Series系列是在熊猫中定义一维(1-D)数组,可用于存储任何数据类型。代码1:创作系列# Program to create series# Import Panda Libraryimport pandas as pd#...
  • (1)Series Series是一种类似与一维数组的对象,它由一组数据以及一组与之相关的数据便签(即索引)组成,仅由一组...系统会自动为Series数据创建整数索引,可通过Series的values和index属性获取其数组表示形式和索
  • pandas入门——Series

    2017-08-02 10:57:59
    Seriesseries是一维数据结构,dataframe每一行与每一列都是series获取索引 s = df["Player"] print(type(s)) print(s.index) 获取values s.values 获取值对应个数 s1.value_counts() 获取names s1.name 获取...
  • 可以通过遍历方法: pandas按行按列遍历Dataframe几种方式:https://www.jb51.net/article/172623.htm...根据行索引和列名,获取一个元素值 >>> df = pd.DataFrame([[0, 2, 3], [0, 4, 1], [10, 20, 30]], ...
  • Series 常用属性和方法

    千次阅读 2018-11-21 12:31:34
    1.Series常用属性 属性  说明 values  获取数组 index  获取索引 name  ...Series可使用ndarray或dict差不多所有索引操作和函数,集成了ndarray和dict优点  函数 说...
  • 使用给出的电影数据分别创建一个Series和DataFrame数据,其中Series需使用电影票房信息(y)作为行索引,DataFrame使用默认的index作为行索引2.用三中方法遍历获取所有电影的票房信息。3.获取最高票房信息。1.首先将...
  • 多级索引每增加一级,就表示数据增加一维,利用这一特点就可以 轻松表示任意维度的数据了一、创建一个多层索引的series普通方法通过元组构成Series的多级索引index= [('深圳', 2000), ('深圳', 2010), ('上海', 2...
  • Pandas数据结构-Series

    2017-12-01 10:18:44
    pandas主要数据对象为Series和DataFrame。 Series Series是一个一维类似数组对象...可以分别使用values和index属性来获取Series的数值和索引值。例如:ser1=pd.Series([1,3,4,3]) print(ser1.values) print(ser1.inde

空空如也

空空如也

1 2 3 4 5 ... 10
收藏数 190
精华内容 76
关键字:

获取series的index