Series方法怎么在Python3.5中使用

本篇文章為大家展示了Series方法怎么在Python3.5中使用，內容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。

1、Pandas模塊引入與基本數據結構

2、Series的創建

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:ZhengzhengLiu

#模塊引入
import numpy as np
import pandas as pd
from pandas import Series,DataFrame

#1.Series通過numpy一維數組創建
print("=========Series通過numpy一維數組創建==========")
arr = np.array([1,2,3,4,5])
s1 = pd.Series(arr)
print(s1)
print(s1.index)
print(s1.values)

#2.Series直接通過一維數組創建
print("=========Series直接通過一維數組創建==========")
s2 = pd.Series([10.5,20,38,40])
print(s2)
#修改索引值
s2.index = ['a','b','c','d']
print(s2)

#Series通過一維數組創建，可以在創建的同時自定義索引值，
# 也可以之后通過賦值的形式去修改
print("=========Series創建的同時自定義索引值和數據類型==========")
s3 = pd.Series(data=[89,78,90,87],dtype=np.float64,
        index=['語文','數學','英語','科學'])
print(s3)

#3.Series通過字典創建,字典的鍵對應索引，值對應數據
print("=========Series通過字典創建==========")
dict = {'a':1,'b':2,"c":3,"d":4}
s4 = pd.Series(dict)
print(s4)

運行結果：

=========Series通過numpy一維數組創建==========
0    1
1    2
2    3
3    4
4    5
dtype: int32
RangeIndex(start=0, stop=5, step=1)
[1 2 3 4 5]
=========Series直接通過一維數組創建==========
0    10.5
1    20.0
2    38.0
3    40.0
dtype: float64
a    10.5
b    20.0
c    38.0
d    40.0
dtype: float64
=========Series創建的同時自定義索引值和數據類型==========
語文    89.0
數學    78.0
英語    90.0
科學    87.0
dtype: float64
=========Series通過字典創建==========
a    1
b    2
c    3
d    4
dtype: int64

3、Series值的獲取

#模塊引入
import numpy as np
import pandas as pd
from pandas import Series,DataFrame

#4.Series值的獲取
print("=========Series值的獲取==========")
s2 = pd.Series([10.5,20,38,40])
#修改索引值
s2.index = ['a','b','c','d']
print(s2)
print(s2[0])    #方括號+下標值的形式獲取Series值
print(s2["a"])   #方括號+索引的形式獲取Series值

運行結果：

=========Series值的獲取==========
a    10.5
b    20.0
c    38.0
d    40.0
dtype: float64
10.5
10.5

4、Series運算

#模塊引入
import numpy as np
import pandas as pd
from pandas import Series,DataFrame

#5.Series值的運算
#Series中元素級別的運算結果，包含索引值并且鍵值關系保持不變
print("=========Series值的運算==========")
s6 = pd.Series({'a':1,'b':2,"c":3,"d":4})
print(s6)
print("=========打印Series大于2的值==========")
print(s6[s6>2])
print("=========打印Series的值除以2==========")
print(s6/2)

#numpy中的通用函數在Series中也支持
s7= pd.Series([1,2,-3,-4])
print(np.exp(s7))

運行結果：

=========Series值的運算==========
a    1
b    2
c    3
d    4
dtype: int64
=========打印Series大于2的值==========
c    3
d    4
dtype: int64
=========打印Series的值除以2==========
a    0.5
b    1.0
c    1.5
d    2.0
dtype: float64
0    2.718282
1    7.389056
2    0.049787
3    0.018316
dtype: float64

5、Series缺失值檢驗

#模塊引入
import numpy as np
import pandas as pd
from pandas import Series,DataFrame

#6.Series缺失值檢驗
scores = Series({"a":88,"b":79,"c":98,"d":100})
print(scores)

new = ["a","b","e","c","d"]
scores = Series(scores,index=new)
print(scores)

print("======過濾出為缺失值的項=======")
print(scores.isnull())       #NAN值返回True
#print(pd.isnull(scores))      #與上面一句等價

print("======過濾出為非缺失值的項=======")
print(pd.notnull(scores))      #非NAN值返回True

運行結果：

a     88
b     79
c     98
d    100
dtype: int64
a     88.0
b     79.0
e      NaN
c     98.0
d    100.0
dtype: float64
======過濾出為缺失值的項=======
a    False
b    False
e     True
c    False
d    False
dtype: bool
======過濾出為非缺失值的項=======
a     True
b     True
e    False
c     True
d     True
dtype: bool

6、Series自動對齊

#模塊引入
import numpy as np
import pandas as pd
from pandas import Series,DataFrame

#7.Series自動對齊

s8 = Series([12,28,46],index=["p1","p2","p3"])
s9 = Series([2,4,6,8],index=["p2","p3","p4","p5"])
print("=======s8=======")
print(s8)
print("=======s9=======")
print(s9)
print("=======s8+s9=======")
print(s8+s9)

運行結果：

=======s8=======
p1    12
p2    28
p3    46
dtype: int64
=======s9=======
p2    2
p3    4
p4    6
p5    8
dtype: int64
=======s8+s9=======
p1     NaN
p2    30.0
p3    50.0
p4     NaN
p5     NaN
dtype: float64

7、Series及其索引的name屬性

#模塊引入
import numpy as np
import pandas as pd
from pandas import Series,DataFrame

#8.Series及其name屬性
s10 = Series({"jack":18,"amy":20,"lili":23,"susan":15})
print(s10)

print("=======設置name屬性后=======")
s10.name = "年齡"    #數據名稱標簽
s10.index.name = "姓名"    #索引名稱標簽

print(s10)

運行結果：

amy      20
jack     18
lili     23
susan    15
dtype: int64
=======設置name屬性后=======
姓名
amy      20
jack     18
lili     23
susan    15
Name: 年齡, dtype: int64

上述內容就是Series方法怎么在Python3.5中使用，你們學到知識或技能了嗎？如果還想學到更多技能或者豐富自己的知識儲備，歡迎關注億速云行業資訊頻道。