資訊專欄INFORMATION COLUMN
摘要：內(nèi)插或填充或前向或進(jìn)位填充或后向或進(jìn)位填充轉(zhuǎn)換為字典可以通過轉(zhuǎn)換為一個(gè)字典判斷判斷，判斷有兩個(gè)方法和會(huì)對(duì)的每個(gè)元素的值進(jìn)行判斷，如果是則為，否則為。會(huì)對(duì)的每個(gè)元素的值進(jìn)行判斷，如果是則為，否則為刪除填充項(xiàng)
創(chuàng)建
通過列表創(chuàng)建
si = pd.Series([1, 2, 3, 4])
通過 np.arange() 創(chuàng)建
si = pd.Series(np.arange(8))
通過對(duì)象創(chuàng)建
si = pd.Series({"a": 1, "b": 2, "c": 3})
屬性
查看Series的values
si.values # array([1, 2, 3])
查看Series的index
si.index # Index(["1", "2", "3"], dtype="object")方法 獲取元素
si = pd.Series([1, 2, 3], index=["A", "B", "C"]) si["A"] # 1 si[0] # 1對(duì)值過濾
si = pd.Series([1, 2, 3], index=["A", "B", "C"]) si[si > 1] # B 2 # C 3重置編號(hào)
Series默認(rèn)編號(hào)為int類型的數(shù)字，我們可以重置Series的編號(hào)
在創(chuàng)建時(shí)重置
si = pd.Series([1, 2, 3], index=["A", "B", "C"]) # A 1 # B 2 # C 3
通過 reindex() 方法重置
reindex() 方法接收一個(gè)新的 index 列表，用于替換原來的 index ，如果新的 index 包含原來的 index 沒有的元素則新增的index元素默認(rèn)填充為 NaN ，可以通過指定參數(shù) fill_value 改變默認(rèn)的值。
si = pd.Series([1, 2, 3]) si.reindex(index=["A", "B", "C", "D", "E"]) # A NaN # B NaN # C NaN # D NaN # E NaN # dtype: float64
s1 = pd.Series([1, 2, 3]) s1.reindex(index=["A", 2, "C", "D", "E"], fill_value=0) # A 0 # B 3 # C 0 # D 0 # E 0 # dtype: int64
內(nèi)插或填充 method
obj1=pd.Series(range(3), index=["a", "c", "e"]) print(obj1.reindex(["a", "b", "c", "d", "e"], method="pad")) # a 0 # b 0 # c 1 # d 1 # e 2 # dtype: int64
ffill 或 pad: 前向（或進(jìn)位）填充
bfill 或 backfill : 后向（或進(jìn)位）填充
Series可以通過 to_dict() 轉(zhuǎn)換為一個(gè)Python字典：
si = pd.Series([1, 2, 3], index=["A", "B", "C"]) si.to_dict()NaN 判斷NaN
判斷NaN，Series判斷NaN有兩個(gè)方法 isna() 和 notna() ：
isna() 會(huì)對(duì)Series的每個(gè)元素的值進(jìn)行判斷，如果是NaN則為 True，否則為False。
notna()會(huì)對(duì)Series的每個(gè)元素的值進(jìn)行判斷，如果是NaN則為 False，否則為True
si = pd.Series([1, 2, 3, np.nan], index=["A", "B", "C", "D"]) si.isna() # A False # B False # C False # D True # dtype: bool刪除NaN
si.dropna()填充NaN項(xiàng)
si.fillna(value)
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/42768.html
摘要：的名稱來自于面板數(shù)據(jù)和數(shù)據(jù)分析。以下的內(nèi)容主要以為主。終端輸入導(dǎo)入相關(guān)模塊是一種類似于一維數(shù)組的對(duì)象，它由一組數(shù)據(jù)各種數(shù)據(jù)類型以及一組與之相關(guān)的數(shù)據(jù)標(biāo)簽即索引組成。如果僅傳入一個(gè)序列，則會(huì)重新索引行函數(shù)的參數(shù)參數(shù)說明用作索引的新序列。 原文鏈接 numPy pandas的數(shù)據(jù)結(jié)構(gòu)介紹 簡(jiǎn)介 Pandas [1] 是python的一個(gè)數(shù)據(jù)分析包，最初由AQR Capital Mana...
摘要：中面向行和面向列的操作基本是平衡的。用層次化索引，將其表示為更高維度的數(shù)據(jù)。使用浮點(diǎn)值表示浮點(diǎn)和非浮點(diǎn)數(shù)組中的缺失數(shù)據(jù)。索引的的格式化輸出形式選取數(shù)據(jù)子集在內(nèi)層中進(jìn)行選取層次化索引在數(shù)據(jù)重塑和基于分組的操作中很重要。 我們?cè)谏弦黄榻B了 NumPy，本篇介紹 pandas。 pandas入門 Pandas 是基于Numpy構(gòu)建的，讓以NumPy為中心的應(yīng)用變的更加簡(jiǎn)單。 pandas...
摘要：一關(guān)于是基于構(gòu)建，經(jīng)許可的開源庫(kù)，為開發(fā)者提供高性能，易用的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)分析工具。官網(wǎng)二數(shù)據(jù)結(jié)構(gòu)一維標(biāo)記的數(shù)組，能夠保存任何數(shù)據(jù)類型整數(shù)，字符串，浮點(diǎn)數(shù)，對(duì)象等。軸標(biāo)簽統(tǒng)稱為索引。二維的表格型數(shù)據(jù)結(jié)構(gòu)。 一、關(guān)于pandas pandas是基于NumPy構(gòu)建，經(jīng)BSD許可的開源庫(kù)，為Python開發(fā)者提供高性能，易用的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)分析工具。pandas官網(wǎng) 二、數(shù)據(jù)結(jié)構(gòu) 1、Ser...
摘要：查看數(shù)據(jù)的基本統(tǒng)計(jì)信息。用處是用于數(shù)據(jù)讀寫處理更改提取等一系列操作的包，可以說，所有能實(shí)現(xiàn)的功能，都可以通過代碼輕松實(shí)現(xiàn)，因此，對(duì)于學(xué)習(xí)非常重要。如果在里，需要翻到最低和最右，而且可能由于溢出無法窮盡可以簡(jiǎn)單的實(shí)現(xiàn)。 放在前面的話? ? ????? ? ? ?? ????????這學(xué)期刻意少...
摘要：是一個(gè)數(shù)據(jù)分析的開源庫(kù)。與表格或關(guān)系數(shù)據(jù)庫(kù)中的表非常神似。注意帶有一個(gè)索引，類似于關(guān)系數(shù)據(jù)庫(kù)中的主鍵。的統(tǒng)計(jì)函數(shù)分組與聚合通過方法，可以對(duì)數(shù)據(jù)組施加一系列的函數(shù)。函數(shù)的作用是串聯(lián)，追加數(shù)據(jù)行使用函數(shù)。 pandas(Python data analysis)是一個(gè)Python數(shù)據(jù)分析的開源庫(kù)。pandas兩種數(shù)據(jù)結(jié)構(gòu)：DataFrame和Series 安裝：pandas依賴于NumPy...
閱讀 2712·2021-10-12 10:12
閱讀 2343·2021-09-02 15:41
閱讀 2577·2019-08-30 15:55
閱讀 1409·2019-08-30 13:05
閱讀 2443·2019-08-29 11:21
閱讀 3542·2019-08-28 17:53
閱讀 3035·2019-08-26 13:39
閱讀 808·2019-08-26 11:50
