pd.series函数用法,python series函数
Series是带标签的一维数组，可以存储整数、浮点数、字符串、Python对象等数据。轴标签统称为索引。下面这篇文章主要介绍pd的基本用法。Python数据处理的Series()函数，有需要的朋友可以参考一下。
00-1010 1.系列2简介。系列创建1。警察。Series ([list]，index=[list]) 2。警察。系列(NP。Arange ()) 3系列基本属性4指标5计算、描述性统计6排序汇总
目录
熊猫模块的数据结构主要有两种：1.series2.dataframe。
Series是一维数组，基于Numpy的ndarray结构。
系列([数据、索引、数据类型、名称、副本……])
#带轴标签的一维ndarray(包括时间序列)。
1.Series介绍
进口熊猫作为pd
将numpy作为np导入
2.Series创建
参数是list，索引是可选的。如果留空，则为默认值列表index，从0开始。
obj=pd。系列([4，7，-5，3，7，名词性名词])
目标文件
输出是：
0 4.0
1 7.0
2 -5.0
3 3.0
4 7.0
5男
dtype:浮点64
1.pd.Series([list],index=[list])
arr=np.arange(6)
s=pd。系列(排列)
s
输出是：
0 0
1 1
2 2
3 3
4 4
5 5
dtype: int32
警察。系列({dict})
d={a:10， b:20， c:30， d:40， e:50}
s=pd。系列(d)
s
输出是：
10分
b 20
c 30
d 40
e 50
dtype: int64
您可以通过数据帧中的一行或一列来创建序列。
2.pd.Series(np.arange())
Series.values:根据dtypeobj.values以ndarray或类似ndarray的形式返回系列
# array([ 4。 7. -5. 3. 7
., nan])
Series.index:The index (axis labels) of the Series.
obj.index
Series.name:Return name of the Series.
4 索引
Series.loc:Access a group of rows and columns by label(s) or a boolean array.
Series.iloc:Purely integer-location based indexing for selection by position.
5 计算、描述性统计
Series.value_counts:Return a Series containing counts of unique values.
index = [Bob, Steve, Jeff, Ryan, Jeff, Ryan]
输出结果为：
7.0 2
3.0 1
-5.0 1
4.0 1
dtype: int64
6 排序
Series.sort_values
Series.sort_values(self, axis=0, ascending=True, inplace=False, kind=quicksort, na_position=last)
Parameters:
ParametersDescriptionaxis{0 or ‘index’}, default 0，Axis to direct sorting. The value ‘index’ is accepted for compatibility with DataFrame.sort_values.ascendinbool, default True，If True, sort values in ascending order, otherwise descending.inplacebool, default FalseIf True, perform operation in-place.kind{‘quicksort’, ‘mergesort’ or ‘heapsort’}, default ‘quicksort’Choice of sorting algorithm. See also numpy.sort() for more information. ‘mergesort’ is the only stable algorithm.na_position{‘first’ or ‘last’}, default ‘last’，Argument ‘first’ puts NaNs at the beginning, ‘last’ puts NaNs at the end.
Returns:
Series：Series ordered by values.
obj.sort_values()
输出结果为：
Jeff -5.0
Ryan 3.0
Bob 4.0
Steve 7.0
Jeff 7.0
Ryan NaN
dtype: float64
Series.rank
Series.rank(self, axis=0, method=average, numeric_only=None, na_option=keep, ascending=True, pct=False)[source]
Parameters:
ParametersDescriptionaxis{0 or ‘index’, 1 or ‘columns’}, default 0Index to direct ranking.method{‘average’, ‘min’, ‘max’, ‘first’, ‘dense’}, default ‘average’How to rank the group of records that have the same value (i.e. ties): average， average rank of the group; min: lowest rank in the group; max: highest rank in the group; first: ranks assigned in order they appear in the array; dense: like ‘min’, but rank always increases by 1,between groupsnumeric_onlybool, optional,For DataFrame objects, rank only numeric columns if set to True.na_option{‘keep’, ‘top’, ‘bottom’}, default ‘keep’, How to rank NaN values:;keep: assign NaN rank to NaN values; top: assign smallest rank to NaN values if ascending; bottom: assign highest rank to NaN values if ascendingascendingbool, default True Whether or not the elements should be ranked in ascending order.pctbool, default False Whether or not to display the returned rankings in percentile form.
Returns:
same type as caller :Return a Series or DataFrame with data ranks as values.
# obj.rank() #从大到小排，NaN还是NaN
输出结果为：
Bob 3.0
Steve 4.0
Jeff 1.0
Ryan 2.0
Jeff 4.0
Ryan NaN
dtype: float64
总结
到此这篇关于Python数据处理之pd.Series()函数的基本使用的文章就介绍到这了,更多相关Python pd.Series()函数内容请搜索盛行IT软件开发工作室以前的文章或继续浏览下面的相关文章希望大家以后多多支持盛行IT软件开发工作室！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。