pandas里的数据结构Series

问题描述

因为pandas是基于python的，所有在做机器学习项目时，最基本的数据结构时list，虽然list比较简单易用，但是用来做数据科学还是需要很多改进的地方。在机器学习的几个库中，numpy有最简单高效的narray，pandas有更加高效的Series。今天我们就来学习一下Series。

Series定义

Series是带有特殊索引的数组。回忆一下，我们知道数组ndarray是带有索引index(0~n-1)的数据列表。而Series是在ndarray基础上，可以自定义索引。

通过list创建Series

from pandas import Series, DataFrame
import port pandas as pd

# 通过list创建Series
ser1 = Series([1,2,3,4])
print(ser1)

输出结果为

0    1
1    2
2    3
3    4
dtype: int64

对比一下numpy的ndarray

import numpy as np
array1 = np.array([1,2,3,4])
print(array1)

输出结果为

[1 2 3 4]

当我们不特别指定索引index时，Series和ndarray功能基本相同，都是以数字0～n-1作为索引的。下面我们测试一下使用特定索引值。

ser2 = pd.Series([1,2,3,4], index=['a','b','c','d'])

输出结果为

a    1
b    2
c    3
d    4
dtype: int64

可以看出索引值已经变成了字母'a,b,c,d'

通过Dictionary创建Series

通过diction创建索引时，dictionary的atrribute自动成为索引值。

sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000}
ser3 = Series(sdata)
print(ser3)

输出：

Ohio      35000
Oregon    16000
Texas     71000
Utah       5000
dtype: int64

我们也可以在用dictionary创建Series时，指定索引值

index = ['California', 'Ohio', 'Oregon', 'Texas']

输出为：

California        NaN
Ohio          35000.0
Oregon        16000.0
Texas         71000.0
dtype: float64

可以看出索引Series是以索引排序进行数据展示的，如果这个索引对应的值不存在，那么就要显示成NaN，代表这个索引的值为空。我们可以使用pandas特有的函数isnull来检测哪些值为空。

pd.isnull(ser4)

输出为：

California     True
Ohio          False
Oregon        False
Texas         False
dtype: bool

Series的使用

首先我们可以通过自定义的index来访问Series元素

ser1[0]
Out[195]: 1

ser2['a']
Out[196]: 1

ser2[['a','b']]
Out[197]: 
a    1
b    2
dtype: int64

ser2.values
Out[198]: array([1, 2, 3, 4])

ser2.index
Out[199]: Index(['a', 'b', 'c', 'd'], dtype='object')

其次我们还可以像ndarray那样参与矩阵运算

In [200]: ser2[ser2 > 2]
Out[200]: 
c    3
d    4
dtype: int64

In [201]: ser2 * 2
Out[201]: 
a    2
b    4
c    6
d    8
dtype: int64

In [202]: np.exp(ser2)
Out[202]: 
a     2.718282
b     7.389056
c    20.085537
d    54.598150
dtype: float64

In [203]: