【Pandas】-Series数据类型

一、Series介绍

import pandas as pd

1.性质：

• Series是Pandas中两种数据结构之一，可以看作是可自定义索引名称（标签）的一维数组，是构建数据框（DataFrame）的基本组成部分。

• 大小不变性：类似String不可修改，append、del、drop等均为创建新的Series对象

• 缺失数据类型：用 NaN（Not a Number）来表示缺失或无值

二、Series的参数

1.六个可选参数：

pd.Series(data=None,index=None,dtype=None,name=None,copy=False,fastpath=False)

2.参数解释：

1. data: 可以是各种数据类型，比如字典、列表、NumPy数组或标量值。

   • 字典：键值对将转换为索引和值。
   • 列表或数组：将转换为一维数组。
   • 标量值：将被重复，以适应索引的长度。

2. index: 可选参数，用于指定Series的索引。如果没有提供，默认索引为从0到N-1（N为数据长度）的整数索引。

   • 注意：如果data是字典，index参数将覆盖字典的键。

3. dtype: 数据类型，指定Series中元素的数据类型。如果没有指定，Pandas将会根据传入的数据自动推断。

4. name: 可选参数，给Series命名，可以在后续的操作中使用这个名字。

5. copy: 布尔值，默认为False。是否复制数据。如果是True，则总是复制数据（即使数据已经是所需的类型）。

6. fastpath: 内部参数，默认为False。这个参数不建议用户使用，是Pandas内部优化的一部分。

三、Series的常见方法与属性

import pandas as pd

data = [10, 20, 30, 40]
index = ['a', 'b', 'c', 'd']
s = pd.Series(data, index=index)

增删查改

# 删除
del s['a']
s=s.drop(['a'])

# 增加
s['e'] = 50

# 查找
s['a']

统计方法

• sum()：计算Series的总和。
• mean()：计算Series的平均值。
• median()：计算Series的中位数。
• mode()：计算Series的众数。
• std()：计算Series的标准差。
• min()：返回Series的最小值。
• max()：返回Series的最大值。
• count()：返回Series中非空元素的数量。
• describe()：生成描述性统计信息。

Series的属性

• index：返回Series的索引。
• values：返回Series的值。
• name：返回Series的名称。
• dtype：返回Series的数据类型。
• size：返回Series的大小（元素的数量）。
• shape：返回Series的形状（通常是单一维度）。
• is_unique：如果Series中的元素是唯一的，返回True。
• is_monotonic：如果Series中的值是单调递增的，返回True。
• empty：如果Series为空，返回True。

数据操作

• head(n)：返回Series的前n个元素。
• tail(n)：返回Series的后n个元素。
• append(series)：将另一个Series对象添加到当前Series末尾。
• drop(labels)：删除指定索引或索引列表的元素。
• sort_values()：根据值排序Series。
• sort_index()：根据索引排序Series。
• apply(func)：将函数func应用于Series的每个元素。

数据索引和选择

• loc：基于标签进行索引和选择。
• iloc：基于整数位置进行索引和选择。
• at：基于标签进行快速标量访问。
• iat：基于整数位置进行快速标量访问。

loc：基于标签进行索引和选择

located定位

loc 方法用于通过标签（索引名称）来选择数据。这种方法允许你通过标签来选择行和列。

示例：

import pandas as pd

# 创建一个带有自定义索引的Series
data = [10, 20, 30, 40]
index = ['a', 'b', 'c', 'd']
s = pd.Series(data, index=index)

# 通过标签选择单个元素
print(s.loc['b'])  # 输出：20

# 通过标签选择多个元素
print(s.loc[['a', 'c']])  # 输出：a    10
                          #      c    30
                          #      dtype: int64

iloc：基于整数位置进行索引和选择

int located 基于整数定位

iloc 方法用于通过整数位置来选择数据。这种方法允许你通过位置来选择行和列。

示例：

# 通过整数位置选择单个元素
print(s.iloc[1])  # 输出：20

# 通过整数位置选择多个元素
print(s.iloc[[0, 2]])  # 输出：a    10
                       #      c    30
                       #      dtype: int64

at：基于标签进行快速标量访问

at 方法用于通过标签快速访问单个元素。这种方法类似于 loc，但只用于访问单个元素，效率更高。

示例：

# 快速访问单个元素
print(s.at['b'])  # 输出：20

iat：基于整数位置进行快速标量访问

iat 方法用于通过整数位置快速访问单个元素。这种方法类似于 iloc，但只用于访问单个元素，效率更高。

示例：

# 快速访问单个元素
print(s.iat[1])  # 输出：20