网站建设资讯

NEWS

网站建设资讯

pandas的Series数组的使用方法-创新互联

这篇文章给大家分享的是pandas的Series数组的使用方法的内容。小编觉得挺实用的,因此分享给大家做个参考。一起跟随小编过来看看吧。  

目前创新互联已为1000+的企业提供了网站建设、域名、网络空间、网站托管、服务器托管、企业网站设计、蒸湘网站维护等服务,公司将坚持客户导向、应用为本的策略,正道将秉承"和谐、参与、激情"的文化,与客户和合作伙伴齐心协力一起成长,共同发展。

很多时候,我们数据除了数值之外,还有字符串,时间序列等

比如:我们通过爬虫获取到了存储在数据库中的数据

所以, numpy能够帮助我们处理数值,但是pandas处理处理数值之外(基于numpy),还能够帮助我们处理其他类型的数据

pandas常用的数据类型

1.Series一维, 带标签(索引)数组

2. DataFrame二维, Series容器

pandas的Series学习

创建一个Series数组

import pandas as pd

import numpy as np

# 创建长度为10的Series数组

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

pandas的Series数组的使用方法

这样就可以创建一个简单的Series数组了,数组的左边是它的索引,右边是它的值

,因此它有index和values方法

pandas的Series数组的使用方法

更改Series数组的索引值

其中index=list(string.ascii_uppercase[:10])表示的是取前10位大写字母来代替索引

在这里插入代码片

注意: pd.Series能够干什么,能够传入什么类型的数据让其变为series结构,index是什么?

在什么位置,对于我们常见的数据库或者ndarray来说,index是什么,如何给一组数据指定index?

在pd.Series()中的参数可以传入一个字典,也能传入一个列表,元组等

重新给其指定其他的索引之后,如果能够对应上,就取其值,如果不能,就为nan, 此时数据的类型就为float类型了,因为numpy中的nan为float类型,pandas会自动根据数据类型更改Series的dtype类型,若要修改此类型,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] # 从第三个开始以步长为2,到第10个为止

t[[2, 3, 6]] # 选择第三个, 第四个, 和第七个的值

t["F"] # 选择索引为F的值

结果如下:

切片:在"[]"中直接传入start end 或者步长即可

索引:一个的时候传入序号或者index,多个的时候传入序号或者index的列表

pandas之Series的索引和值

对于一个陌生的series类型,我们如何知道它的索引和具体的值呢:

t.index ==> 返回数组的索引,是一个列表类型,可以进行遍历,也可进行强制类型转换,如: tuple(t.index) # 进行强制类型转换

t.values ==> 返回数组的值,是一个列表类型,可以进行遍历,也可进行强制类型转换,如: tuple(t.values)

Series对象本质上由两个数组构成。

一个数组构成对象的键(index,索引),一个数组构成对象的值(values),键 -> 值

ndarray的很多方法都可以运用于series类型,比如argmax,clip

series具有where方法,但是结果和ndarray不同,具体方法可以查看官方文档np.Series.where使用教程

pandas读取mongodb数据

这里由于我的mongodb里面没有数据,所以我就手动添加了一些数据(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)

结果如下

pandas的Series数组的使用方法

pandas读取外部文件

pandas提供了很多读取数据的方法,比如:

pandas的Series数组的使用方法

这里我以csv文件举例

import pandas as pd

# pandas 读取文件

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

print(t)

csv文件结果如下

pandas的Series数组的使用方法

我们这组的数据存在csv文件中,我们直接使用pd.read_csv即可

和我们想象中的有些差别,我们以为他会是一个Series类型,但实际上它是一个DataFrame数组类型。

关于pandas的Series数组的使用方法就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到。

另外有需要云服务器可以了解下创新互联cdcxhl.cn,海内外云服务器15元起步,三天无理由+7*72小时售后在线,公司持有idc许可证,提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案,具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势,专为企业上云打造定制,能够满足用户丰富、多元化的应用场景需求。


文章题目:pandas的Series数组的使用方法-创新互联
当前地址:http://cdweb.net/article/dddihe.html