精华内容
下载资源
问答
  • pandas.Series()的几种创建方法

    万次阅读 2018-10-20 15:43:17
    前些日子的数学建模,最近的kaggle比赛,再到现在做的一个小项目,发现pandas真是一个好东西,可惜之前不太会用,需要用的时候就去上网搜,效率极其低下,现在把这一...# 使用一个列表生成一个Series s1 = pd.Serie...

    前些日子的数学建模,最近的kaggle比赛,再到现在做的一个小项目,发现pandas真是一个好东西,可惜之前不太会用,需要用的时候就去上网搜,效率极其低下,现在把这一部分知识过一遍,以便日后使用。今天的主题:pandas.Series()的几种创建方法。

    import numpy as np
    import pandas as pd
    
    # 使用一个列表生成一个Series
    s1 = pd.Series([1, 2, 3, 4])
    print(s1)
    '''
    0    1
    1    2
    2    3
    3    4
    dtype: int64
    '''
    # 返回所有的索引
    print(s1.index)
    '''
    RangeIndex(start=0, stop=4, step=1)
    '''
    # 使用数组生成一个Series
    s2  = pd.Series(np.arange(7))
    print(s2)
    '''
    0    0
    1    1
    2    2
    3    3
    4    4
    5    5
    6    6
    dtype: int64
    '''
    
    # 使用一个字典生成Series,其中字典的键,就是索引
    s3 = pd.Series({'1':1, '2':2, '3':3})
    print(s3)
    print(s3.values)
    print(s3.index)
    '''
    1    1
    2    2
    3    3
    dtype: int64
    [1 2 3]
    Index(['1', '2', '3'], dtype='object')
    '''
    
    # 使用列表生成序列,并且指定索引
    s4 = pd.Series([1, 2, 3, 4], index=['A', 'B', 'C', 'D'])
    print(s4)
    '''
    A    1
    B    2
    C    3
    D    4
    dtype: int64
    '''
    
    # 通过索引查找值
    print(s4['A']) # 1
    
    print(s4[s4>2])
    '''
    C    3
    D    4
    dtype: int64
    '''
    
    # 将Series转换为字典
    print(s4.to_dict()) #  {'B': 2, 'D': 4, 'C': 3, 'A': 1}
    
    s5 = pd.Series(s4.to_dict())
    print(s5)
    '''
    A    1
    B    2
    C    3
    D    4
    dtype: int64
    '''
    
    # 为s5指定一个新的索引
    index_1 = ['A', 'B', 'C', 'D', 'E']
    s6 = pd.Series(s5, index=index_1)
    print(s6)
    '''
    A    1.0
    B    2.0
    C    3.0
    D    4.0
    E    NaN
    dtype: float64
    '''
    
    # 判断s6的每一项是否为nan
    print(s6.isnull())
    '''
    A    False
    B    False
    C    False
    D    False
    E     True
    dtype: bool
    '''
    print(s6.notnull())
    '''
    A     True
    B     True
    C     True
    D     True
    E    False
    dtype: bool
    '''
    
    # 为 series 命名
    s6.name = 'demo'
    print(s6)
    '''
    A    1.0
    B    2.0
    C    3.0
    D    4.0
    E    NaN
    Name: demo, dtype: float64
    '''
    
    # 为 索引 命名
    s6.index.name = 'demo index'
    print(s6)
    '''
    demo index
    A    1.0
    B    2.0
    C    3.0
    D    4.0
    E    NaN
    Name: demo, dtype: float64
    '''
    
    展开全文
  • print("====创建series...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} Series 创建方法二:由数组创建(一维数组) arr=np.random.rand(5) s
    print("====创建series方法一===")
    dic={"a":1,"b":2,"c":3,"4":4}
    s=pd.Series(dic)
    print(s)
    

    创建方法一:由字典创建,字典的key就是index,values就是valuse
    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}

    Series 创建方法二:由数组创建(一维数组)

    arr=np.random.rand(5)
    s=pd.Series(arr)
    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'],dtype=np.object)
    print(s)
    

    Series 创建方法三:由标量创建

    s=pd.Series(10,index=range(4))
    print(s)
    
    展开全文
  • Python-Pandas学习之序列(Series

    千次阅读 2019-06-27 15:18:02
    Pandas是Python的一个库,专门用于...Series是一种一维的数组对象,包含了一个值序列和数据标签,也就是索引(index),下面是一种最简单的序列: import pandas as pd #引用pandas模块 obj = pd.Series([1, 2...

    Pandas是Python的一个库,专门用于处理数据的库,里面提供了很强大的数据处理工具,可以使用下面命令安装这个库:

    $ pip install pandas

     

    Series是一种一维的数组对象,包含了一个值序列和数据标签,也就是索引(index),下面是一种最简单的序列:

    import pandas as pd #引用pandas模块
    
    obj = pd.Series([1, 2, 3, 4, 5])
    
    print(obj)
    #打印
        0    1
        1    2
        2    3
        3    4
        4    5
        dtype: int64
    
    print(obj.value)
    #打印
        [1 2 3 4 5]
    
    print(obj.index)
    #打印
        RangeIndex(start=0, stop=5, step=1)
    
    #下面创建一个指定了index的序列
    obj2 = pd.Series(data=[1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])
    print(obj2)
    #打印
        a    1
        b    2
        c    3
        d    4
        e    5
        dtype: int64
    
    print(obj2)
    #打印
        Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
    
    print(obj2['a']) #通过索引取的值
    #打印
        1
    
    print(obj2[['a', 'b', 'd']]) #通过索引数组取值
    #打印
        a    1
        b    2    
        d    4    
        dtype: int64
    
    print(obj2[obj2 > 3]) #通过判断获取达到条件的值
    #打印
        d    4
        e    5
        dtype: int64
    
    print(obj2 * 2) #和整数相乘,是将里面的值一次和整数相乘
    #打印
        a     2
        b     4
        c     6
        d     8
        e    10
        dtype: int64
    
    print('b' in obj2) #判断是否存在index=‘b’
    #打印
        True
    
    print('f' in obj2)
    #打印
        False
    
    #接下来,还可以通过字典生成序列
    dic = {'h': 6, 'i': 7, 'j': 8, 'k': 9, 'l': 10}
    obj3 = pd.Series(dic)
    print(obj3)
    #打印
        h     6
        i     7
        j     8
        k     9
        l    10
        dtype: int64
    
    #在创建序列时,可以将排好序的index数组,传递给Series构造函数,那么得到的结果也是按照你给的顺序排好的
    dic = {'h': 6, 'i': 7, 'j': 8, 'k': 9, 'l': 10}
    tidx = ['i', 'k', 'l', 'j', 'm']
    obj4 = pd.Series(dic, index=tidx)
    print(obj4)
    #打印
        i     7.0
        k     9.0
        l    10.0
        j     8.0
        m     NaN
        dtype: float64
    #注意,我传递的数组没有‘h’,所以‘h’不在obj4之内,但是传递了‘m’,由于没有找到对应的,所以使用NaN来表示这个值是空
    
    #可以使用isnull和notnull来判断是否为空
    print(pd.isnull(obj4))
    #打印
        i    False
        k    False
        l    False
        j    False
        m     True
        dtype: bool
    
    print(pd.notnull(obj4))
    #打印
        i     True
        k     True
        l     True
        j     True
        m    False
        dtype: bool
    
    print(obj4.isnull()) #同pd.isnull一样,同样的notnull也是一样
    #打印
        i    False
        k    False
        l    False
        j    False
        m     True
        dtype: bool
    
    
    #两个序列可以做相加操作,如果有一个为NaN,那么结果也是NaN
    print(obj3 + obj4)
    #打印
        h     NaN
        i    14.0
        j    16.0
        k    18.0
        l    20.0
        m     NaN
        dtype: float64
    
    
    #Series对象是有name属性的,可以给序列定一个名字
    obj4.name = 'hello'
    obj4.index.name = 'world'
    print(obj4)
    #打印
        world
        i     7.0
        k     9.0
        l    10.0
        j     8.0
        m     NaN
        Name: hello, dtype: float64
    
    #序列的index是可以重新设置的,按照位置传递一个数组进去
    obj4.index = ['o', 'p', 'q', 'r', 's']
    print(obj4)
    #打印
        o     7.0
        p     9.0
        q    10.0
        r     8.0
        s     NaN
        dtype: float64

     

    展开全文
  • pandas入门——创建series

    万次阅读 2017-08-02 15:32:27
    创建Series 利用实数创建series # 利用实数创建Series 并指定key s1 = pd.Series(3, index=list("a")) print(s1) 利用列表创建series s2 = pd.Series(list("abcdfgdhsdafcv")) print(s2) 利用元祖创建series s3 = pd...

    创建Series

    • 利用实数创建series
    # 利用实数创建Series 并指定key
    s1 = pd.Series(3, index=list("a"))
    print(s1)
    • 利用列表创建series
    s2 = pd.Series(list("abcdfgdhsdafcv"))
    print(s2)
    • 利用元祖创建series
    s3 = pd.Series(tuple("sdfacdfgd"))
    print(s3)
    • 利用数组创建series
    s4 = pd.Series(numpy.array(list([1, 2, 3, 4, 5, 6, 7, 8, 9])))
    print(s4)
    • 利用字典创建series
    dictionary1 = {"name": "nick", "age": 12, "sex": "male"}
    
    s5 = pd.Series(dictionary1)
    print(s5)
    展开全文
  • python 创建Series

    千次阅读 2019-09-22 22:05:02
    #Pandas特有的数据类型 #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]) ...#有一个是对象,整个都变成对...
  • python的dataframe与series的创建

    千次阅读 2017-10-15 20:48:18
    python的dataframe与series的创建 # -*- coding: utf-8 -*- import numpy as np import pandas as pd def main(): s = pd.Series([i*2 for i in range(1,11)]) print type(s) print (s) dates = pd.
  • Python数据分析师学习笔记
  • 5.1.1 Series

    2020-07-30 11:06:23
    Series是一种一维的数组型对象,包含了一个值序列(类似于Numpy),还有一个索引,从0到n-1(n是数组长度) 可以单独查看数组的值、索引 也可以自定义索引 根据索引找到对应的值 使用布尔值数组进行过滤 ...
  • (pandas)三种创建Series的方法

    千次阅读 2019-06-24 16:44:46
    三种创建Series的方法1.python list2.通过numpy的arange创建series3.通过python字典 1.python list #series 和numpy中的array有一点相似 #创建series s1 = pd.Series([1, 2, 3, 4]) s1 #包含数据,以及label/index &...
  • Pandas是Python最重要的数据分析工具包,是Panel Data Analysis的缩写,也是...NumPy是一个用于数值运算的Python库,专门对数值运算进行优化,最大的优势是快。Pandas底层数据结构采用NumPy来实现,我们也可以把Pand.
  • 本教程介绍了如何使用两个BarSeries创建简单的2D图表。 BarSeries将数据值表示为矩形条,并且可以用于以非常清晰的...1.创建一个新的BarSeries并为创建的系列添加样式。 您可以使用System.Windows.Media.Color或System.
  • Python Pandas Series对象的创建

    千次阅读 2020-08-07 22:32:59
    Python Pandas Series对象的创建 Series对象类似于Python自带的字典,二者的区别在于Series对象支持NumPy数组切片这类操作,而字典不支持; Series对象也类似于NumPy数组,二者的区别在于Series对象的索引是显式的,...
  • TensorFlow入门

    千次阅读 多人点赞 2019-04-23 10:09:29
    # 新建一个graph. with tf.device('/cpu:0'): a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a') b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b') c = tf....
  • python-pandas创建Series数据类型

    千次阅读 2019-02-27 12:00:14
    常见数据类型4.pandas创建Series数据类型对象1). 通过列表创建Series对象2). 通过numpy的对象Ndarray创建Series;3). 通过字典创建Series对象;5.Series基本操作1). 修改Series索引.index2). Series纵向拼接.append3)...
  • Pandas Pandas基于Numpy构建,是数据分析的核心模块,可直接读取数据进行处理,兼容各种...因为各种镜像源都挂了,下载真的好慢,所以分享一个Anaconda3-5.1.0-Windows-x86_64网盘链接:https://pan.baidu.com/s/1P...
  • pandas常用的数据类型:Series(维,带标签的数组,对应数据库中的条记录);DataFrame(二维,Series容器,对应数据库中的表)   demo.py(Series的创建): import pandas as pd # 需要pip安装 #...
  • 数组 Python中并没有提供数组类型,虽然列表和元组可以代替,但是这两者都是按“对象”处理的,每个成员都需要存储引用对象值,时间和空间代价都很大,由此出现了优化的第三方扩展包,如NumPy. ...返回一个新的数组res
  • Eviews笔记-回归分析【自用】

    万次阅读 多人点赞 2019-05-28 21:16:03
    、分年度回归 导入数据: 选择File-Open-Foreign Data as Workfile 本文研究的是股权性质、金字塔股权结构与会计稳健性的关系。 设置行业虚拟变量时,因为有6行业分类,设置五行业哑变量,ind1~ind5,如果...
  • C# 怎么向折线图动态添加series //遍历 for (int i = 0; i < x1.Count - 1; i++) { ArrayList xData = x2.GetRange(i, 2); ArrayList yData = y2.GetRange(i, 2); //动态生成series chart1.Series.Add(i....
  • 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...
  • 使用粒子群PSO算法实现MPPT-M语言仿真

    千次阅读 多人点赞 2018-09-12 12:02:14
    太阳能电池为4串联。 2019年4月24日更新matlab代码。 目录 1.1 先绘制出PV曲线(Octave) 1.2 PSO算法(Octave) 2.1 绘制PV曲线(Matlab) 2.2 PSO.m(Matlab) 3 仿真结果 本文主要是代码。 我的...
  • 上一篇pandas数组(pandas Series)-(3)向量化运算里说到,将两个pandas Series进行向量化运算的时候,如果某个key索引只在其中一个Series里出现,计算的结果会是NaN,那么有什么办法能处理NaN呢? 1. dropna()方法: 此...
  • 代码示例: from pandas import DataFrame,Series city={ 'Province': ['TianJin', 'Beijing', 'ShangHai', 'ChongQing','ShenZhen'], 'pop': [1.3, 2.5, 1.9, 0.7,2.1], ...#DataFrime的行或者列都是Series
  • pandas的基本使用

    千次阅读 2019-08-27 20:00:00
    下载 下载pandas在命令行中输入conda install pandas,如果想要查看自己下载的版本,在jupyter notebook中输入...Pandas series一个带标签的一维数组,或者说像是一个字典。与NumPy不同,pandas可以有不同类型的数...
  • Python pandas中 如何声明一个空的DataFrame对象(变量),如何快速的创建一个DataFrame变量?如何添加、创建一个新列? 有些时候,我们需简单地创建一个DataFrame变量,具体的列可以后续程时候,再创建。或者创建...
  • STM32的软件开发模式 开发者基于ST公司提供的软件开发库进行应用程序的开发,常用的STM32软件开发模式主要有以下几种: 基于寄存器的开发模式 基于寄存器编写的代码简练、执行效率高。...这种开发模式的另一个...
  • Series 是pandas两大数据结构中(DataFrame,Series)的种。使用pandas 前需要将pandas 模块引入,因为Series和DataFrame用的次数非常多,所以将其引入本地命名空间中会更方便。 from pandas import ...
  • Series是Dataframe中的维数组对象,本文主要介绍Series的一些用法。 1.解决列名输出不齐,行列显示不全的问题 import pandas as pd pd.set_option('display.unicode.east_asian_width',True)#解决列名输出不齐 df=...
  • 摘自百度百科:pandas 是基于 numpy 的种工具,该工具是为了解决数据分析任务而创建的。pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。pandas 提供了大量...
  • Series和DataFrame--层次化索引

    千次阅读 2019-07-24 21:34:33
    是pandas的一项重要功能,它使你能在一个轴上拥有多个(两个以上)索引级别 from pandas import Series,DataFrame import numpy as np 由一个列表或数组组成的列表作为索引 data = Series(np.random.randn(10),index=...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 9,149
精华内容 3,659
关键字:

新建一个series