分宜网站建设,网站设计费用,专业恶意点击软件,wordpress中文优化版pandas——Series操作 作者#xff1a;AOAIYI 创作不易#xff0c;觉得文章不错或能帮助到你学习#xff0c;可以点赞收藏评论哦 文章目录pandas——Series操作一、实验目的二、实验原理三、实验环境四、实验内容五、实验步骤1.创建Series2.从具体位置的Series中访问数据3.使…pandas——Series操作 作者AOAIYI 创作不易觉得文章不错或能帮助到你学习可以点赞收藏评论哦 文章目录pandas——Series操作一、实验目的二、实验原理三、实验环境四、实验内容五、实验步骤1.创建Series2.从具体位置的Series中访问数据3.使用标签检索数据索引4.简单运算5.Series的自动对齐6.Series增删改一、实验目的
熟练掌握pandas中Series的创建、查询和简单运算方法
二、实验原理
Series的定义Series是一种类似于一维数组的对象它由一组数据各种NumPy数据类型以及一组与之相关的数据标签即索引组成。
Series对象本质上是一个NumPy的数组因此NumPy的数组处理函数可以直接对Series进行处理。但是Series除了可以使用位置作为下标存取元素之外还可以使用标签下标存取元素这一点和字典相似。每个Series对象实际上都由两个数组组成
index: 它是从NumPy数组继承的Index对象保存标签信息。
values: 保存值的NumPy数组。
注意三点 Series是一种类似于一维数组数组ndarray的对象 它的数据类型没有限制各种NumPy数据类型 它有索引把索引当做数据的标签key看待这样就类似字典了只是类似实质上是数组
4.Series同时具有数组和字典的功能因此它也支持一些字典的方法
三、实验环境
Python 3.6.1以上
jupyter
四、实验内容
练习Series的创建、查看数据与简单运算操作。
五、实验步骤
1.创建Series
1.创建一个空的Series。
import pandas as pd
spd.Series()
print(s) 2.从ndarray创建一个Series并规定索引为[100,101,102,103]。
import pandas as pd
import numpy as np
datanp.array([a,b,c,d])
spd.Series(data,index[100,101,102,103])
print(s) 3.从字典创建一个Series字典键用于构建索引。
import pandas as pd
data{a:0,b:1,c:2,d:3}
spd.Series(data)
print(s)4.从标量创建一个Series此时必须提供索引重复值以匹配索引的长度。
import pandas as pd
spd.Series(5,index[0,1,2,3])
print(s) 2.从具体位置的Series中访问数据
1.检索Series中的第一个元素。
import pandas as pd
spd.Series([1,2,3,4,5],index[a,b,c,d,e])
print(s[0]) 2.检索Series中的前三个元素。
import pandas as pd
s pd.Series([1,2,3,4,5],index [a,b,c,d,e])
print(s[:3]) 3.检索Series中最后三个元素。
import pandas as pd
s pd.Series([1,2,3,4,5],index [a,b,c,d,e])
print(s[-3:]) 3.使用标签检索数据索引
使用标签检索数据索引一个Series就像一个固定大小的字典可以通过索引标签获取和设置值。
1.使用索引标签检索单个元素。
import pandas as pd
s pd.Series([1,2,3,4,5],index [a,b,c,d,e])
print(s[a]) 2.使用索引标签列表检索多个元素。
import pandas as pd
s pd.Series([1,2,3,4,5],index [a,b,c,d,e])
print([a,b,c,d]) 3.如果不包含标签检索会出现异常。
import pandas as pd
s pd.Series([1,2,3,4,5],index [a,b,c,d,e])
print(s[f]) 4.简单运算
1.在pandas的Series中会保留NumPy的数组操作用布尔数组过滤数据标量乘法以及使用数学函数并同时保持引用的使用
import numpy as np
import pandas as pd
ser2 pd.Series(range(4),index [a,b,c,d])
ser2[ser2 2]
ser2 * 2
np.exp(ser2) 5.Series的自动对齐
Series的一个重要功能就是自动对齐不明觉厉看看例子就明白了。 差不多就是不同Series对象运算的时候根据其索引进行匹配计算。
1.创建两个Series名为ser3与ser4.
import pandas as pd
sdata {Ohio: 35000, Texas: 71000, Oregon: 16000, Utah: 5000}
ser3 pd.Series(sdata)
states [California, Ohio, Oregon, Texas]
ser4 pd.Series(sdata,index states)
print(ser3)
print(ser4)
ser3ser4 6.Series增删改
1.增Series的add()方法是加法计算不是增加Series元素用的使用append连接其他Series。
import pandas as pd
sdata {Ohio: 35000, Texas: 71000, Oregon: 16000, Utah: 5000}
ser3 pd.Series(sdata)
states [California, Ohio, Oregon, Texas]
ser4 pd.Series(sdata,index states)
print(ser3)
print(ser4)
ser3.append(ser4) 2.删Series的drop()方法可以对Series进行删除操作返回一个被删除后的Series原来的Series不改变。
import pandas as pd
s pd.Series([1,2,3,4,5],index [a,b,c,d,e])
s.drop(a)
s 3.改通过索引的方式查找到某个元素然后通过“”赋予新的值。
import pandas as pd
s pd.Series([1,2,3,4,5],index [a,b,c,d,e])
s[a]5
print(s)
