
- Python Pandas 教程
- Python Pandas - 首頁
- Python Pandas - 簡介
- Python Pandas - 環境設定
- Python Pandas - 基礎
- Python Pandas - 資料結構介紹
- Python Pandas - 索引物件
- Python Pandas - 面板(Panel)
- Python Pandas - 基本功能
- Python Pandas - 索引與資料選擇
- Python Pandas - Series
- Python Pandas - Series
- Python Pandas - 切片 Series 物件
- Python Pandas - Series 物件的屬性
- Python Pandas - Series 物件上的算術運算
- Python Pandas - 將 Series 轉換為其他物件
- Python Pandas - DataFrame
- Python Pandas - DataFrame
- Python Pandas - 訪問 DataFrame
- Python Pandas - 切片 DataFrame 物件
- Python Pandas - 修改 DataFrame
- Python Pandas - 從 DataFrame 中刪除行
- Python Pandas - DataFrame 上的算術運算
- Python Pandas - I/O 工具
- Python Pandas - I/O 工具
- Python Pandas - 使用 CSV 格式
- Python Pandas - 讀取和寫入 JSON 檔案
- Python Pandas - 從 Excel 檔案讀取資料
- Python Pandas - 將資料寫入 Excel 檔案
- Python Pandas - 使用 HTML 資料
- Python Pandas - 剪貼簿
- Python Pandas - 使用 HDF5 格式
- Python Pandas - 與 SQL 的比較
- Python Pandas - 資料處理
- Python Pandas - 排序
- Python Pandas - 重新索引
- Python Pandas - 迭代
- Python Pandas - 連線
- Python Pandas - 統計函式
- Python Pandas - 描述性統計
- Python Pandas - 處理文字資料
- Python Pandas - 函式應用
- Python Pandas - 選項和自定義
- Python Pandas - 視窗函式
- Python Pandas - 聚合
- Python Pandas - 合併/連線
- Python Pandas - 多級索引
- Python Pandas - 多級索引基礎
- Python Pandas - 使用多級索引進行索引
- Python Pandas - 使用多級索引進行高階重新索引
- Python Pandas - 重新命名多級索引標籤
- Python Pandas - 對多級索引進行排序
- Python Pandas - 二元運算
- Python Pandas - 二元比較運算
- Python Pandas - 布林索引
- Python Pandas - 布林掩碼
- Python Pandas - 資料重塑和透視表
- Python Pandas - 透視表
- Python Pandas - 堆疊和取消堆疊
- Python Pandas - 熔化
- Python Pandas - 計算虛擬變數
- Python Pandas - 分類資料
- Python Pandas - 分類資料
- Python Pandas - 分類資料的排序和排序
- Python Pandas - 分類資料的比較
- Python Pandas - 處理缺失資料
- Python Pandas - 缺失資料
- Python Pandas - 填充缺失資料
- Python Pandas - 缺失值的插值
- Python Pandas - 刪除缺失資料
- Python Pandas - 使用缺失資料進行計算
- Python Pandas - 處理重複資料
- Python Pandas - 重複資料
- Python Pandas - 計數和檢索唯一元素
- Python Pandas - 重複標籤
- Python Pandas - 分組和聚合
- Python Pandas - GroupBy
- Python Pandas - 時間序列資料
- Python Pandas - 日期功能
- Python Pandas - 時間差
- Python Pandas - 稀疏資料結構
- Python Pandas - 稀疏資料
- Python Pandas - 視覺化
- Python Pandas - 視覺化
- Python Pandas - 其他概念
- Python Pandas - 注意事項和陷阱
- Python Pandas 有用資源
- Python Pandas - 快速指南
- Python Pandas - 有用資源
- Python Pandas - 討論
Python Pandas - Series
在 Python Pandas 庫中,Series 是主要資料結構之一,它提供了一種方便的方法來處理和操作一維資料。它類似於電子表格中的列或資料庫表中的單個列。在本教程中,您將瞭解有關 Pandas Series 的更多資訊,並有效地使用 Series 進行資料操作和分析。
什麼是 Series?
Pandas 中的 Series 是一個一維帶標籤的陣列,能夠儲存任何型別的資料,包括整數、浮點數、字串和 Python 物件。它由兩個主要組成部分組成:
- 資料:儲存在 Series 中的實際值。
- 索引:與每個資料值對應的標籤或索引。
Series 類似於一維 ndarray(NumPy 陣列),但帶有標籤,也稱為索引。這些標籤可用於訪問 Series 中的資料。預設情況下,索引值是從 0 開始到 Series 長度減一的整數,但您也可以手動設定索引標籤。
建立 Pandas Series
可以使用以下建構函式建立 Pandas Series:
class pandas.Series(data, index, dtype, name, copy)
建構函式的引數如下:
序號 | 引數及描述 |
---|---|
1 |
data 資料採用多種形式,如 ndarray、列表或常量。 |
2 |
index 索引值必須唯一且可雜湊,與資料的長度相同。如果未傳遞索引,則預設為 np.arange(n)。 |
3 |
dtype 資料型別。如果為 None,則將推斷資料型別。 |
4 |
copy 複製資料。預設為 False。 |
可以使用各種輸入建立 Series 物件,例如:
- 列表
- ndarray
- 字典
- 標量值或常量
建立空 Series
如果未向 Series 建構函式 pandas.Series() 提供任何資料,它將建立一個基本的空 Series 物件。
示例
以下示例演示瞭如何建立空 Series。
#import the pandas library and aliasing as pd import pandas as pd s = pd.Series() # Display the result print('Resultant Empty Series:\n',s)
其輸出如下:
Resultant Empty Series: Series([], dtype: object)
從 ndarray 建立 Series
將ndarray作為輸入資料傳遞給 Series 建構函式,然後它將使用該資料建立 Series。如果要指定自定義索引,則傳遞的索引必須與輸入資料的長度相同。如果未指定索引,則 Pandas 將自動從起始 0 生成預設索引到輸入資料的長度,即 [0,1,2,3…. range(len(array))-1]。
示例
以下是使用ndarray建立 Pandas Series 的示例。
#import the pandas library and aliasing as pd import pandas as pd import numpy as np data = np.array(['a','b','c','d']) s = pd.Series(data) print(s)
其輸出如下:
0 a 1 b 2 c 3 d dtype: object
我們沒有傳遞任何索引,因此預設情況下,它分配了從 0 到len(data)-1的索引,即 0 到 3。
示例
此示例演示了在建立時將自定義索引應用於 Series 物件。
#import the pandas library and aliasing as pd import pandas as pd import numpy as np data = np.array(['a','b','c','d']) s = pd.Series(data,index=[100,101,102,103]) print("Output:\n",s)
其輸出如下:
Output: 100 a 101 b 102 c 103 d dtype: object
在此示例中,我們提供了索引值。現在我們可以看到輸出中自定義的索引值。
從 Python 字典建立 Series
可以將字典作為輸入傳遞給pd.Series()建構函式以使用字典值建立 Series。如果未指定索引,則字典鍵將按排序順序獲取以構建 Series 索引。如果傳遞了index,則將提取資料中與索引中的標籤相對應值。
示例 1
以下是使用 Python 字典建立 Series 物件的基本示例。
#import the pandas library and aliasing as pd import pandas as pd import numpy as np data = {'a' : 0., 'b' : 1., 'c' : 2.} s = pd.Series(data) print(s)
其輸出如下:
a 0.0 b 1.0 c 2.0 dtype: float64
注意:字典鍵用於構建索引。
示例 2
在此示例中,透過顯式指定索引標籤,使用 Python 字典建立 Series 物件。
#import the pandas library and aliasing as pd import pandas as pd import numpy as np data = {'a' : 0., 'b' : 1., 'c' : 2.} s = pd.Series(data,index=['b','c','x','a']) print(s)
其輸出如下:
b 1.0 c 2.0 d NaN a 0.0 dtype: float64
注意:索引順序保持不變,缺失元素用 NaN(非數字)填充。
從標量建立 Series
如果將單個標量值作為資料提供給Pd.Series()建構函式,並指定索引標籤。然後將重複該單個值以匹配提供的index物件的長度。
示例
以下示例演示瞭如何使用單個標量值建立 Series 物件。
#import the pandas library and aliasing as pd import pandas as pd import numpy as np s = pd.Series(5, index=[0, 1, 2, 3]) print(s)
其輸出如下:
0 5 1 5 2 5 3 5 dtype: int64