這篇文章給大家分享的是pandas的Series數(shù)組的使用方法的內(nèi)容。小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考。一起跟隨小編過來(lái)看看吧?！　?/p>

目前創(chuàng)新互聯(lián)已為1000+的企業(yè)提供了網(wǎng)站建設(shè)、域名、網(wǎng)絡(luò)空間、網(wǎng)站托管、服務(wù)器托管、企業(yè)網(wǎng)站設(shè)計(jì)、蒸湘網(wǎng)站維護(hù)等服務(wù)，公司將堅(jiān)持客戶導(dǎo)向、應(yīng)用為本的策略，正道將秉承"和諧、參與、激情"的文化，與客戶和合作伙伴齊心協(xié)力一起成長(zhǎng)，共同發(fā)展。

很多時(shí)候，我們數(shù)據(jù)除了數(shù)值之外，還有字符串，時(shí)間序列等

比如：我們通過爬蟲獲取到了存儲(chǔ)在數(shù)據(jù)庫(kù)中的數(shù)據(jù)

所以， numpy能夠幫助我們處理數(shù)值，但是pandas處理處理數(shù)值之外(基于numpy)，還能夠幫助我們處理其他類型的數(shù)據(jù)

pandas常用的數(shù)據(jù)類型

1.Series一維， 帶標(biāo)簽(索引)數(shù)組

2. DataFrame二維， Series容器

pandas的Series學(xué)習(xí)

創(chuàng)建一個(gè)Series數(shù)組

import pandas as pd

import numpy as np

# 創(chuàng)建長(zhǎng)度為10的Series數(shù)組

t = pd.Series(np.arange(10))

這樣就可以創(chuàng)建一個(gè)簡(jiǎn)單的Series數(shù)組了，數(shù)組的左邊是它的索引，右邊是它的值

，因此它有index和values方法

更改Series數(shù)組的索引值

其中index=list(string.ascii_uppercase[:10])表示的是取前10位大寫字母來(lái)代替索引

在這里插入代碼片

注意： pd.Series能夠干什么，能夠傳入什么類型的數(shù)據(jù)讓其變?yōu)閟eries結(jié)構(gòu)，index是什么?

在什么位置，對(duì)于我們常見的數(shù)據(jù)庫(kù)或者ndarray來(lái)說，index是什么，如何給一組數(shù)據(jù)指定index?

在pd.Series()中的參數(shù)可以傳入一個(gè)字典，也能傳入一個(gè)列表，元組等

重新給其指定其他的索引之后，如果能夠?qū)?yīng)上，就取其值，如果不能，就為nan， 此時(shí)數(shù)據(jù)的類型就為float類型了，因?yàn)閚umpy中的nan為float類型，pandas會(huì)自動(dòng)根據(jù)數(shù)據(jù)類型更改Series的dtype類型，若要修改此類型，使用.astype即可修改

pandas之Series切片和索引

t = pd.Series(np.arange(10), index=list(string.ascii_uppercase[:10]))

t[2:10:2] # 從第三個(gè)開始以步長(zhǎng)為2，到第10個(gè)為止

t[[2, 3, 6]] # 選擇第三個(gè)， 第四個(gè)， 和第七個(gè)的值

t["F"] # 選擇索引為F的值

結(jié)果如下：

切片：在"[]"中直接傳入start end 或者步長(zhǎng)即可

索引：一個(gè)的時(shí)候傳入序號(hào)或者index，多個(gè)的時(shí)候傳入序號(hào)或者index的列表

pandas之Series的索引和值

對(duì)于一個(gè)陌生的series類型，我們?nèi)绾沃浪乃饕途唧w的值呢：

t.index ==> 返回?cái)?shù)組的索引，是一個(gè)列表類型，可以進(jìn)行遍歷，也可進(jìn)行強(qiáng)制類型轉(zhuǎn)換，如： tuple(t.index) # 進(jìn)行強(qiáng)制類型轉(zhuǎn)換

t.values ==> 返回?cái)?shù)組的值，是一個(gè)列表類型，可以進(jìn)行遍歷，也可進(jìn)行強(qiáng)制類型轉(zhuǎn)換，如： tuple(t.values)

Series對(duì)象本質(zhì)上由兩個(gè)數(shù)組構(gòu)成。

一個(gè)數(shù)組構(gòu)成對(duì)象的鍵(index，索引)，一個(gè)數(shù)組構(gòu)成對(duì)象的值(values)，鍵 -> 值

ndarray的很多方法都可以運(yùn)用于series類型，比如argmax，clip

series具有where方法，但是結(jié)果和ndarray不同，具體方法可以查看官方文檔np.Series.where使用教程

pandas讀取mongodb數(shù)據(jù)

這里由于我的mongodb里面沒有數(shù)據(jù)，所以我就手動(dòng)添加了一些數(shù)據(jù)(0.0)

from pymongo import MongoClient

import pandas as pd

client = MongoClient()

collection = client["xin"]["test"]

data = list(collection.find())

a = ["hello", "world"]

data.append(a)

t1 = data[0]

t1 = pd.Series(t1)

print(t1)

結(jié)果如下

pandas讀取外部文件

pandas提供了很多讀取數(shù)據(jù)的方法，比如：

這里我以csv文件舉例

import pandas as pd

# pandas 讀取文件

t = pd.read_csv("./demo.csv")

print(t)

csv文件結(jié)果如下

我們這組的數(shù)據(jù)存在csv文件中，我們直接使用pd.read_csv即可

和我們想象中的有些差別，我們以為他會(huì)是一個(gè)Series類型，但實(shí)際上它是一個(gè)DataFrame數(shù)組類型。

關(guān)于pandas的Series數(shù)組的使用方法就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺得文章不錯(cuò)，可以把它分享出去讓更多的人看到。

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)cdcxhl.cn，海內(nèi)外云服務(wù)器15元起步，三天無(wú)理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國(guó)服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡(jiǎn)單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢(shì)，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場(chǎng)景需求。

當(dāng)前名稱：pandas的Series數(shù)組的使用方法-創(chuàng)新互聯(lián)
網(wǎng)頁(yè)URL：http://aaarwkj.com/article44/dddihe.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供定制開發(fā)、服務(wù)器托管、定制網(wǎng)站、品牌網(wǎng)站建設(shè)、手機(jī)網(wǎng)站建設(shè)、品牌網(wǎng)站設(shè)計(jì)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)