-
怎样获取python中的Series值?
2021-02-03 14:21:42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"))...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。 -
python中获取Series列表中的值(单个元素或者切片元素)
2020-02-10 20:41:14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...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]
-
【数据挖掘重要笔记day11】pandas和Series的获取、Series的基本使用
2020-02-12 20:13:59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()
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
-
python中用len()函数获取Series、list、tuple等数据的长度
2020-02-10 20:27:20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]...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]
-
series数组的行索引获取方法
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 -
初识pandas(2)Series 常用属性和方法DataFrame数据的获取和遍历
2020-10-31 23:51:57Series 常用属性和方法 表格数据中的每一行或者每一列的数据结构都是...values、index、items返回的对象分别是List、Index、Zip类型的数据,为了方便我们使用和观察数据,可以使用series.index.tolist()和list(series -
python:series详解和数据获取
2020-12-11 09:04:50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 -
Pandas(六):Series中str属性的方法+index索引的特点
2020-07-25 23:11:09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 - Series、DataFrame、Index
2020-02-24 08:20:17pandas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
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 ... -
pandas读取数据,得到Series,DataFrame,以及从这2种数据结构中获取数据的方法
2020-03-31 15:00:49三种创建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... -
Pandas的Series类型的介绍及常见的Series创建、索引、切片、修改的使用方法
2019-12-30 15:53:242、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... -
28_Pandas通过index选择并获取行和列
2020-11-12 19:05:19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... -
提取series中的数值_Series取反不简单
2021-01-02 22:48:34Series取反·不简单此篇介绍今天遇到的一个有意思的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... -
Python Series从0开始索引的方法
2020-12-24 06:20:22您可能感兴趣的文章:Python3使用pandas模块读写excel操作示例python3 pandas 读取MySQL数据和插入的实例python3使用pandas获取股票数据的方法在python中pandas的series合并方法python pandas中对Series -
python中关于数据结构Series的讲解
2020-05-26 15:00:22先提兴一下:Series在python中是区分大小写的。 #数据结构Series #1、数据结构对象 """ Series是在Pandas库中出现... 通过Series对象的values和index属性 分别获取对应的值和索引 例如: """ import numpy as np impo -
深入理解series和dataframe
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 16:31:11import 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 -
Series的10大基本概念及代码案例-----初学基础
2020-01-07 20:08:022.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 入门学习__Series 的简单运用(一)
2019-10-09 01:19:04pandas 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 的 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 中的值 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... -
python dataframe 获取index列_Python实用干货:panda多方面处理数据
2020-11-21 07:55:58Padas是用于数据分析的最流行的python库。...Series系列是在熊猫中定义的一维(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#... -
Pandas两种主要的数据结构--Series和DataFrame
2017-03-08 16:54:24(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 10:57:59Seriesseries是一维数据结构,dataframe的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 获取值对应的个数 s1.value_counts() 获取names s1.name 获取... -
详解pandas获取Dataframe元素值的几种方法
2020-12-17 10:29:10可以通过遍历的方法: pandas按行按列遍历Dataframe的几种方式:https://www.jb51.net/article/172623.htm...根据行索引和列名,获取一个元素的值 >>> df = pd.DataFrame([[0, 2, 3], [0, 4, 1], [10, 20, 30]], ... -
Series 常用属性和方法
2018-11-21 12:31:341.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的差不多所有索引操作和函数,集成了ndarray和dict的优点 函数 说... -
python series取值_python数据分析实例2-Series和DataFrame
2021-02-09 06:23:55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... -
python dataframe 获取index列_Python数据处理:五分钟掌握pandas多级索引「附源码」...
2020-11-21 13:39:23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 10:18:44pandas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
-
grid:监护人的图像管理系统-源码
-
linux基础命令大全
-
MySQL 主从复制 Replication 详解(Linux 和 W
-
Java-14-字符串的比较
-
共轭分子丝四硫富瓦烯器件的长度和负微分电阻行为的影响
-
2021年 系统分析师 系列课
-
【布道者】Linux极速入门
-
JestClient使用MultiSearch
-
Scala的Option对象
-
朱老师鸿蒙系列课程第1期-3.鸿蒙系统Harmonyos源码配置和管理
-
i.MX6ULL终结者线程基础 线程创建
-
MySQL 备份与恢复详解(高低版本 迁移;不同字符集 相互转换;表
-
HelloWorld:测试项目-源码
-
520告白网站的搭建
-
kds:多平台Kotlin 1.3的数据结构库-源码
-
Auth0任命Jameeka Green Aaron为首席信息安全官
-
mysql 子查查不能注意事项 报错1093
-
MacOS基础教程——最全的Mac键盘快捷键分享
-
完美解决php无法上传大文件功能
-
【模型裁剪】——Rethinking the Value of Network Pruning