Pandas的資料結構

匯入pandas：

資料分析三劍客 numpy pandas matplotlib

# 三劍客
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pandas import Series,DataFrame

1、Series

Series是一種類似於一維陣列的物件，由下面兩個部分組成：

• index：相關的資料索引標籤

• values：一組資料（ndarray型別）

  data資料, index索引

  s1 = Series([1,2,3,4]) s1 s1.index # 索引 s1.values list(‘abcd’) s2 = Series(data=[1,2,3,4],index=list(‘abcd’)) s2

  還可以用字典的方式去建立 數列

  Series({‘a’:1,‘b’:2,‘c’:3}) #a 1 #b 2 #c 3 #dtype: int64

1）Series的建立

兩種建立方式：

(1) 用列表形式建立

(2) 用字典形式建立

2)Series的索引和切片

顯式索引：

• 使用index中的元素作為索引值
• 使用.loc[‘索引名’]（推薦）

示例：

• 索引
• 切片 注意，字元索引是閉區間 [start:end]
• 取多個值

隱式索引：

• 使用整數作為索引值
• 使用.iloc[ 索引號 ]（推薦）

示例：

• 索引
• 切片 注意，編號索引是左閉右開區間 [start,end)
• 取多個值

3）Series的常用屬性和方法

可以把Series看成一個定長的有序字典

可以通過shape,size,index,values等得到series的屬性

可以通過head(),tail()快速檢視Series物件的樣式

s.head(2)看頭兩個 s.tail(1)看後一個

Series中如果值是None，會被轉成NaN。並且計算時會被當成0（ndarray不會）

可以使用pd.isnull()，pd.notnull()，或自帶isnull(),notnull() 函式檢測值為None或NaN的資料

另外 series物件有一個name屬性可以用來區分不同的series

4）Series的運算

(1) 適用於numpy的陣列運算也適用於Series

(2) Series之間的運算

• 在運算中自動對齊不同索引的資料
• 如果索引不對應，則補NaN(值和NaN相加的結果還是NaN，如果想要讓NaN的值當作0處理，可以用s1.add(s2,fill_value=0)來處理)