这篇文章将为大家详细讲解有关pd.Series()函数怎么用，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
10年积累的成都网站设计、做网站经验，可以快速应对客户对网站的新想法和需求。提供各种问题对应的解决方案。让选择我们的客户得到更好、更有力的网络服务。我虽然不认识你，你也不认识我。但先
网站设计后付款的网站建设流程，更有
历下免费网站建设让你可以放心的选择与我们合作。
1. Series介绍
Pandas模块的数据结构主要有两：1、Series ;2、DataFrame
series是一个一维数组，是基于NumPy的ndarray结构。Pandas会默然用0到n-1来作为series的index，但也可以自己指定index(可以把index理解为dict里面的key)。
2. Series创建
pd.Series([list]，index=[list])
参数为list;index为可选参数，若不填写则默认index从0开始;若填写则index长度应该与value长度相等。
import pandas as pd
s=pd.Series([1,2,3,4,5]，index=['a','b','c','f','e'])
print s
pd.Series({dict})
以一字典结构为参数。
import pandas as pd
s=pd.Series({'a':1,'b':2,'c':3,'f':4,'e':5})
print s
3. Series取值
s[index] or s[[index的list]]
取值操作类似数组，当取不连续的多个值时可以以list为参数
import pandas as pd
import numpy as np
v = np.random.random_sample(50)
s = pd.Series(v)
s1 = s[[3, 13, 23, 33]]
s2 = s[3:13]
s3 = s[43]
print("s1", s1)
print("s2", s2)
print("s3", s3)
s1 3 0.064095
13 0.354023
23 0.225739
33 0.959288
dtype: float64
s2 3 0.064095
4 0.405651
5 0.024181
6 0.367606
7 0.844005
8 0.405313
9 0.102824
10 0.806400
11 0.950502
12 0.735310
dtype: float64
s3 0.42803253918
4. Series取头和尾的值
.head(n);.tail(n)
取出头n行或尾n行，n为可选参数，若不填默认5
import pandas as pd
import numpy as np
v = np.random.random_sample(50)
s = pd.Series(v)
print("s.head()", s.head())
print("s.head(3)", s.head(3))
print("s.tail()", s.tail())
print("s.head(3)", s.head(3))
s.head() 0 0.714136
1 0.333600
2 0.683784
3 0.044002
4 0.147745
dtype: float64
s.head(3) 0 0.714136
1 0.333600
2 0.683784
dtype: float64
s.tail() 45 0.779509
46 0.778341
47 0.331999
48 0.444811
49 0.028520
dtype: float64
s.head(3) 0 0.714136
1 0.333600
2 0.683784
dtype: float64
5. Series常用操作
import pandas as pd
import numpy as np
v = [10, 3, 2, 2, np.nan]
v = pd.Series(v)
print("len():", len(v)) # Series长度,包括NaN
print("shape():", np.shape(v)) # 矩阵形状，(，)
print("count():", v.count()) # Series长度，不包括NaN
print("unique():", v.unique()) # 出现不重复values值
print("value_counts():\n", v.value_counts()) # 统计value值出现次数
len(): 5无锡人流医院哪家好 /tupian/20230522/pp shape(): (5,)
count(): 4
unique(): [ 10. 3. 2. nan]
value_counts():
2.0 2
3.0 1
10.0 1
dtype: int64
6. Series加法
import pandas as pd
import numpy as np
v = [10, 3, 2, 2, np.nan]
v = pd.Series(v)
sum = v[1:3] + v[1:3]
sum1 = v[1:4] + v[1:4]
sum2 = v[1:3] + v[1:4]
sum3 = v[:3] + v[1:]
print("sum", sum)
print("sum1", sum1)
print("sum2", sum2)
print("sum3", sum3)
sum 1 6.0
2 4.0
dtype: float64
sum1 1 6.0
2 4.0
3 4.0
dtype: float64
sum2 1 6.0
2 4.0
3 NaN
dtype: float64
sum3 0 NaN
1 6.0
2 4.0
3 NaN
4 NaN
dtype: float64
7. Series查找
范围查找
import pandas as pd
import numpy as np
s = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car":
None}
sa = pd.Series(s, name="age")
print(sa[sa>19])
jim 22.0
lj 24.0
ton 20.0
Name: age, dtype: float64
中位数
import pandas as pd
import numpy as np
s = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car":
None}
sa = pd.Series(s, name="age")
print("sa.median()", sa.median())
sa.median() 20.0
8. Series赋值
import pandas as pd
import numpy as np
s = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car":
None}
sa = pd.Series(s, name="age")
print(s)
print('----------------')
sa['ton'] = 99
print(sa)
{'ton': 20, 'mary': 18, 'jack': 19, 'jim': 22, 'lj': 24, 'car': None}
----------------
car NaN
jack 19.0
jim 22.0
lj 24.0
mary 18.0
ton 99.0
Name: age, dtype: float64
关于“pd.Series()函数怎么用”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
分享题目：pd.Series()函数怎么用-创新互联
文章分享：
http://cdkjz.cn/article/ecgjh.html
