pandas数据类型之Series的具体使用

那么我们就来详细讲解“pandas数据类型之Series的具体使用”的完整攻略。

什么是Series

Series是一个定长的、有序的一维数组，并且可以存储任何数据类型（整数，字符串，浮点数，Python对象等），它与NumPy中的一维数组非常相似。Series和DataFrame是pandas中最为核心的两个数据结构，其他的数据结构都是建立在它们基础之上。

如何创建Series

可以使用下列方式创建一个Series：

import pandas as pd

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

其中：

• data：数据，可以是Python字典、ndarray、标量（数字、字符串等）等。
• index：索引，一维数组类型，默认为从0开始的整数索引，长度与数据长度一致。
• dtype：指明数据类型，如果没有指定，将自动推断数据类型。
• name：Series的名字。
• copy：是否复制数据。
• fastpath：强制使用Cython的快速路径来生成Series对象。

Series的基本操作

访问Series中的数据

Series的数据可以通过下标、索引值等方式来获取和修改，示例如下：

import pandas as pd

s = pd.Series([1, 2, 3, 4], index=['dog', 'cat', 'kangaroo', 'owl'])

# 获取第3个元素的索引为‘kangaroo’的值
print(s[2], s['kangaroo'])

输出结果为：3, 3

修改Series中的数据

可以通过标签或索引来修改Series中的元素，示例如下：

import pandas as pd

s = pd.Series([1, 2, 3, 4], index=['dog', 'cat', 'kangaroo', 'owl'])

# 修改第3个元素的索引为‘kangaroo’的值
s['kangaroo'] = 5
print(s)

输出结果为：

dog         1
cat         2
kangaroo    5
owl         4
dtype: int64

Series的基本函数

除了基本的索引和修改操作，Series还有许多内置的函数，常用的有：

• s.head([n])：返回Series的前n行数据，默认为5。
• s.tail([n])：返回Series的后n行数据，默认为5。
• s.describe()：返回Series的描述性统计信息。
• s.value_counts()：返回Series中每个值的出现次数。

其中head()和tail()函数最为常用，示例如下：

import pandas as pd

s = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

# 返回前3个元素
print(s.head(3))

# 返回后3个元素
print(s.tail(3))

输出结果为：

0    1
1    2
2    3
dtype: int64
7     8
8     9
9    10
dtype: int64

示例1：使用Series存储国家代码和国家名称

以下示例展示了如何使用Series存储国家代码和国家名称，并查询某个指定国家的代码号：

import pandas as pd

# 创建一个国家代码和名称的Series
country_codes = pd.Series([
    "CN-China",
    "US-United States",
    "GB-United Kingdom",
    "JP-Japan",
    "DE-Germany"
])

# 查询某个指定国家的代码号
def query_country_code(country_name):
    code_name = country_codes.str.split('-', n=1, expand=True)
    country_code = code_name[0][code_name[1] == country_name].values[0]
    return country_code

print(query_country_code('China'))

输出结果为：CN

示例2：使用Series实现矢量化计算

以下示例展示了如何使用Series实现简单的矢量化计算：

import pandas as pd

s1 = pd.Series([1, 2, 3, 4])
s2 = pd.Series([2, 2, 2, 2])

# Series的计算，可以像对待ndarray一样进行计算
s3 = s1 * s2 + s2 / s1

print(s3)

输出结果为：

0    4.000000
1    5.000000
2    6.666667
3    9.000000
dtype: float64

以上就是关于“pandas数据类型之Series的具体使用”的完整攻略，希望对你有所帮助！