博客

Pandas中Series的属性,方法,常用操作使用案例

  • Post category:Python

下面是Pandas中Series的完整攻略：

1. Series的属性和方法

1.1 属性

1.1.1 values属性

该属性可以返回Series对象的值，以NumPy数组的形式表示。示例代码：

import pandas as pd

data = pd.Series([0.25, 0.5, 0.75, 1.0])
print(data.values)

输出结果为：

[0.25 0.5  0.75 1.  ]

1.1.2 index属性

该属性可以返回Series对象的索引，也是一种NumPy数组。示例代码：

import pandas as pd

data = pd.Series([0.25, 0.5, 0.75, 1.0], index=['a', 'b', 'c', 'd'])
print(data.index)

输出结果为：

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

1.2 方法

1.2.1 head方法

该方法可以返回Series对象的前n个值，默认返回前5个。示例代码：

import pandas as pd

data = pd.Series([0.25, 0.5, 0.75, 1.0, 1.25, 1.5, 1.75, 2.0])
print(data.head(3))

输出结果为：

0    0.25
1    0.50
2    0.75
dtype: float64

1.2.2 describe方法

该方法可以返回Series对象的统计信息，包括计数、均值、标准差、最小值、25%分位数、中位数、75%分位数、最大值。示例代码：

import pandas as pd

data = pd.Series([0.25, 0.5, 0.75, 1.0])
print(data.describe())

输出结果为：

count    4.000000
mean     0.625000
std      0.322749
min      0.250000
25%      0.437500
50%      0.625000
75%      0.812500
max      1.000000
dtype: float64

2. Series的常用操作使用案例

2.1 操作1：索引和切片

可以使用索引和切片操作选取Series对象的特定部分，如下所示：

import pandas as pd

data = pd.Series([0.25, 0.5, 0.75, 1.0], index=['a', 'b', 'c', 'd'])
print(data['b'])
print(data[['a', 'c']])
print(data[0:2])

输出结果为：

0.5
a    0.25
c    0.75
dtype: float64
a    0.25
b    0.50
dtype: float64

2.2 操作2：过滤

可以使用布尔运算符过滤Series对象中的值，如下所示：

import pandas as pd

data = pd.Series([0.25, 0.5, 0.75, 1.0])
print(data[data > 0.5])

输出结果为：

2    0.75
3    1.00
dtype: float64

这里使用了数据过滤，只保留了大于0.5的数据。

以上是关于Pandas中Series的属性、方法和常用操作的完整攻略，希望对你有所帮助。

Tags: