Pandas序列怎么用

小編給大家分享一下Pandas序列怎么用，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

Pandas序列（Pandas Series）

Pandas是一個開源的BSD(Berkeley Software Distribution)許可庫，為Python編程語言提供了高性能、易于使用的數據結構和數據分析工具。

Pandas提供的數據結構有兩種不同的類型：

1. Pandas數據框架（Pandas DataFrame）

2. Pandas序列

我們將在這篇文章中介紹Pandas序列。

注意：建議閱讀之前關于Pandas DataFrame的帖子，然后再繼續閱讀本文，以便更好地了解Pandas序列。

https://towardsdatascience.com/pandas-dataframe-a-lightweight-intro-680e3a212b96

Pandas序列是什么？

從技術上講，Pandas序列是一種能夠保存任何數據類型的一維標記數組。

通俗地說，Pandas序列只不過是excel表中的專欄。如下圖所示，例如人員的姓名、年齡和職位的序列。 

Pandas序列

因此，就Pandas DataFrame而言，Pandas序列表示內存中的單個列，它可以是獨立的，也可以屬于Pandas DataFrame。

注意：Pandas序列可以有自己的獨立存在，而不屬于Pandas DataFrame。

如何創建Pandas序列？

可以使用Python列表或NumPy數組創建Pandas序列。必須要記住，與Python列表不同，Pandas序列將始終包含相同類型的數據。這使得NumPy陣列成為創建Pandas序列的更好選擇。

以下使用上述兩種方法來創建Pandas序列：

這是它們的示例

Result of → series_list = pd.Series([1,2,3,4,5,6])

Result of → series_np = pd.Series(np.array([10,20

就像創建Pandas DataFrame時一樣，Pandas序列也會默認生成行索引號，這是從0開始的一系列增量數字。

你可能已經猜到在創建Pandas序列時可以擁有自己的行索引值。我們只需要傳遞索引參數，這些參數采用相同類型的列表或NumPy數組。

以下示例使用NumPy生成的序列：

Result of → series_index = pd.Series(np.array([10,

以下示例使用字符串作為行索引：

Result of → series_index = pd.Series(np.array([10,

我們可以使用Pandas序列的行索引作為：

無論我們在創建系列時是否傳遞了列表或NumPy數組，它都會返回NumPy數組

從python Dictionary創建Pandas序列

正如我們在創建Pandas DataFrame時所看到的，從python詞典創建DataFrame非常容易，因為鍵映射到列名，而值對應于列值列表。

那么在創建Pandas序列時它如何映射？

如果我們從python字典創建一個Pandas序列，則該鍵成為行索引，而該值成為該行索引的值。

舉個例子，讓我們看看具有單個鍵值對的一個簡單的字典會發生什么

這是輸出的示例 

Result of → Code block Above

如果字典中的值包含一個項目列表，情況不會改變。列表項仍然是單行索引的一部分，

Result of → series_dict = pd.Series(t_dict)

從Pandas DataFrame中獲取Pandas序列

雖然Pandas序列本身對于數據分析非常有用，并且提供了許多有用的輔助函數，但是大多數情況下，分析要求將迫使我們一起使用Pandas DataFrame和Pandas序列。

讓我們首先創建一個Pandas DataFrame，就像我們在這里創建的一樣：

以下是生成的DataFrame的示例 

從字典創建DataFrame的結果

DataFrame提供了兩種訪問列的方法，即使用字典語法df ['column_name']或df.column_name。每次我們使用這些表示來獲得列時，我們都會得到一個Pandas序列。在上面的例子中，我們可以通過訪問列來獲得Pandas序列（即單列）

Pandas序列姓名 

Pandas序列年齡 

Pandas序列職位

通過迭代DataFrame的列來獲取Pandas序列

如果我們不知道列的名稱怎么辦？

Pandas DataFrame是可迭代的，我們可以迭代各個列來獲得Pandas序列

使用Pandas序列創建DataFrame（獨立或組合）

Pandas DataFrame只是一個序列（1+）的集合。我們可以使用單個Pandas序列或組合多個Pandas序列來生成DataFrame

例如，讓我們從組合series_name和series_age生成一個DataFrame：

令人驚訝的是，生成的DataFrame應該看起來 

df_from_series

是的，Pandas序列的行索引成為列，而列成為行索引值。你可以認為這類似于矩陣的轉置。即使我們提供單個Pandas序列來創建DataFrame也是如此：

df_from_series_single

但是，當我們從Pandas序列中刪除列表/數組表示法時，不會發生這種情況。例如

將導致保留Pandas序列的列名和行索引

df_from_series

注意：不幸的是，這僅限于一個序列，因為DataFrame API不會為序列帶來多個參數。

使用Python Dict創建DataFrame行為

當我們將python dictionaries作為數組傳遞以創建DataFrame時，將會觀察到相同的行為。讓我們看看之前創建的t_dict = {'a'：1，'b'：2，'c'：3}

結果DataFrame看起來像 

ds

其中鍵表示為列，否則如果我們創建了一個序列，則表示為行索引。

我們甚至可以組合多個t_dict來創建DataFrame

ds

序列輔助函數

就像pandas DataFrame一樣，序列也有多組輔助函數用于數據分析。

請注意，Pandas DataFrame的所有列輔助函數都可以與Pandas序列一起使用。一些例子是

迭代序列

就像python中的許多其他數據結構一樣，可以使用簡單的for循環迭代序列

我們也可以迭代索引的序列行：

以上是“Pandas序列怎么用”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！