Python 数据分析模块 Pandas 之 Series 数据

上一篇文章介绍了 Numpy 第三方库的使用，今天介绍 Python 的另外一个数据分析相关的第三方库 Pandas。

更多点击：Python学习日志目录

Pandas 的优势是：

数据结构非常快速高效、数据处理功能比较智能、文件存储功能非常方便、科研和商业应用很广泛。

安装 Pandas

pip install pandas -i https://pypi.douban.com/simple

导入 Pandas 模块，同样起一个别名pd，方便后面使用

import pandas as pd

Pandas 的数据结构：

分两种，Series 和 DataFrame

Series 数据

只有一列数据

DataFrame 数据

有多列数据

本文主要介绍 Pandas 里的 Series 数据，后面会介绍到 DataFrame 数据的知识。

创建 Series 数据

data = pd.series([1,2,3,4])
print(data)

也就是 Series 数据里面填充的数据是列表格式的。

运行结果：

0    1

1    2

2    3

3    4

dtype: int64

其中第一列是索引，第二列是存储的数据。

读取里面的数据和索引的方法：

print(data.values)
print(data.index)

输出结果：

[1 2 3 4]

RangeIndex(start=0, stop=4, step=1)

创建特殊索引的 Series 数据

如果不想使用数字索引的话，可以在创建的时候，设定索引的方式：

data = pd.Series([1,2,3,4],index=['a','b','c','d'])
print(data)
print(data.values)
print(data.index)

输出结果：

a    1

b    2

c    3

d    4

dtype: int64

[1 2 3 4]

Index(['a', 'b', 'c', 'd'], dtype='object')

这种就类似于字典，一个索引对应一个数据。

修改 Series 数据的索引方式

比如对于一个已经存在的 Series 数据，我们想要修改它的索引方式：

data = pd.Series([1,2,3,4])
data.index = ['a','b','c','d']
print(data)

输出结果：

a    1

b    2

c    3

d    4

dtype: int64

获取 Series 数据的长度，跟列表一样

len(data)

获取单个数据：

data = pd.Series([1,2,3,4])
data.index = ['a','b','c','d']
print(data['b'])

运行结果：2

获取多个数据：

data = pd.Series([1,2,3,4])
data.index = ['a','b','c','d']
print(data[['a','b','d']])

运行结果：

a    1

b    2

d    4

dtype: int64

获取连续多个数据（切片的方式）：

data = pd.Series([1,2,3,4])
data.index = ['a','b','c','d']
print(data['a':'c'])
print(data[0:2])

运行结果：

a    1

b    2

c    3

dtype: int64

a    1

b    2

dtype: int64

注意，特殊索引的 Series 数据也可以用数字索引读取，而使用切片读取的时候，特殊索引跟数字索引结果是不一样的。

如上面的结果，从'a'到'c'，是包含'a'位和'c'位的数据；而从0到2，是不包含2号位的数据的。

统计 Series 数据中，重复数据的个数

data = pd.Series([1,2,3,4,2,5,1,4,2])
print(data.value_counts())

运行结果：

2    3

4    2

1    2

5    1

3    1

dtype: int64

判断有没有某个索引值

data = pd.Series([1,2,3,4],index=['a','b','c','d'])
print('a' in data)

运行结果：

True

前面提到 Series 特殊索引类似于字典（当然字典是无序数据类型）

我们可以直接通过字典来创建一个 Series 数据

dict_data = {'Anna':16,'Nina':11,'Elena':3}
data = pd.Series(dict_data)
print(data)

运行结果：

Anna     16

Nina     11

Elena     3

dtype: int64

如果创建 Series 数据的时候，索引值比数据多，也可以创建成功

这时候，多出来的索引值对应的数据为 NaN，相当于没有数据的意思。NaN 是 Not a Number 的缩写。

dict_data = {'Anna':16,'Nina':11,'Elena':3}
indexs = ['Anna','Nina','Elena','Fiona']
data = pd.Series(dict_data, index=indexs)
print(data)

运行结果：

Anna     16.0

Nina     11.0

Elena     3.0

Fiona     NaN

dtype: float64

可以用 .isnull() 来判断哪些索引值不存在数据

print(data.isnull())

运行结果：

Anna     False

Nina     False

Elena    False

Fiona     True

dtype: bool

同样也可以用 .notnull() 来判断哪些索引值有数据

print(data.notnull())

运行结果跟上面正相反。

同样对 Series 数据进行计算

print(data * 2)

运行结果：

Anna     32.0

Nina     22.0

Elena     6.0

Fiona     NaN

dtype: float64

Series 数据可以直接使用 Numpy 进行计算（当然需要提前引入 numpy 模块）

import numpy as np
print(np.square(data))

运行结果：

Anna     256.0

Nina     121.0

Elena      9.0

Fiona      NaN

dtype: float64

Series 数据之间进行可以进行计算，会根据索引值进行对应计算

dict_data_1 = {'Anna':16,'Nina':11,'Elena':3}
dict_data_2 = {'Anna':7,'Nina':8,'Elena':9,'Fiona':10}
indexs = ['Anna','Nina','Elena','Fiona']
data1 = pd.Series(dict_data_1, index=indexs)
data2 = pd.Series(dict_data_2, index=indexs)
print(data2)
print('----')
print(data1 + data2)

运行结果：

Anna      7

Nina      8

Elena     9

Fiona    10

dtype: int64

----

Anna     23.0

Nina     19.0

Elena    12.0

Fiona     NaN

dtype: float64

注意，如果其中一个 Series 的某个索引值对应的数据是 NaN，那么对应计算的时候，计算结果还是 NaN.

可以给 Series 数据起一个名称，也可以给索引值起一个名称

data.name = 'Girls Data'
data.index.name = 'Girls'
print(data)

运行结果：

Girls

Anna     16.0

Nina     11.0

Elena     3.0

Fiona     NaN

Name: Girls Data, dtype: float64

因为内容比较多，所以 Pandas 的 DataFrame 数据将会在下一篇文章来介绍。