pandas 學習 第2篇：序列 - Series

序列(Series)是一維的，由一組有序的數據以及與之相關的索引組成，可以保存任何類型的數據（整數，字符串，浮點數，Python對象等）的一維數組。軸標籤和下標統稱爲索引，能夠經過索引來訪問Series對象中的元素。

一，建立序列

序列的構造函數定義是：

pandas.Series(data=None, index=None, dtype=None, name=None, copy=False)

構造函數的參數：

• data：傳遞給序列的數據，能夠是ndarray、list或字典
• index：設置索引標籤，索引標籤必須是惟一的，與data參數的長度相同。若是沒有傳遞索引標籤，那麼默認值是 np.arange(n)，或者 RangeIndex (0, 1, 2, …, n)，若是data參數是dict，而且設置index參數，那麼index參數會覆蓋dict的key。
• dtype：設置序列元素的數據類型，若是沒有設置，那麼將推斷數據類型
• name：序列是一個多行單列的結構，name是序列的名稱
• copy：複製數據，默認值是false

索引的下標是自動生成的，從0開始，加1遞增。對於序列的data，能夠經過序列的屬性values來訪問；對於序列的索引，能夠經過序列的屬性index來訪問。

1，建立空的序列

s=pd.Series()

2，使用ndarray建立序列

建立ndarray的一維數組，構造序列，序列包含兩部分：索引和序列值，以下所示

>>> data=np.array(['a','b'])
>>> pd.Series(data)
0    a
1    b
dtype: object

最左側的0和1是行索引，a和b是值，在構造序列時，沒有傳遞任何索引，默認狀況下，pandas分配了從 0 到  len(data)-1  的索引，也能夠在構造函數中傳遞自定義的索引列表，以下所示：

>>> pd.Series(data,index=[101,102])
101    a
102    b
dtype: object

3，從列表構造序列

使用列表做爲data 參數來構造序列，對於索引，可使用默認值，也能夠自定義索引標籤：

s=pd.Series([4,7,-5,3])
s=pd.Series([4,7,-5,3],index=['d','b','a','c'])

4，從字典構造序列

能夠直接經過字典來建立Series，其中，字典的key做爲序列的索引，字典的value做爲序列值：

>>> sdata = {'b': 12, 'a': 13, 'd': 14, 'c': 10}
>>> sd=pd.Series(sdata)
b    12
a    13
d    14
c    10
dtype: int64

5，設置多級別的索引

index參數能夠設置爲多個索引，每一個索引的長度都是相同的。

>>> arrays = [np.array(['qux', 'qux', 'foo', 'foo',
...                     'baz', 'baz', 'bar', 'bar']),
...           np.array(['two', 'one', 'two', 'one',
...                     'two', 'one', 'two', 'one'])]
... 
>>> s = pd.Series([1, 2, 3, 4, 5, 6, 7, 8], index=arrays)
>>> s
qux  two    1
     one    2
foo  two    3
     one    4
baz  two    5
     one    6
bar  two    7
     one    8
dtype: int64

二，訪問序列的元素

序列元素的訪問，能夠經過索引，下標，索引是在構造函數中經過index參數傳遞或構造的，而下標是默認生成的，第一個元素的下標值是0，依次加1遞增。

1，經過下標來訪問序列

下表從0開始，依次加1遞增，訪問序列的第一個元素：

>>> sd[0]
12

訪問序列的前三個元素，下表爲負，表示從方向來訪問：

sd[:3]
sd[-3:]

2，經過索引標籤來訪問序列的元素

經過索引來訪問序列的元素，並能夠修改序列元素的值

sd['a']=4

也能夠傳遞多個索引標籤：

>>> sd[['a','b']]
a    13
b    12

三，序列的屬性

序列對象包含的屬性：

• array：把序列轉換爲數組
• dtype：序列元素的數據類型
• hasnan：序列是否包含nan
• axes：序列的軸標籤
• index：序列的索引標籤
• values：序列的值屬性
• is_unique：序列的元素是不是惟一的
• size：序列的元素數量
• shape：序列的形狀，表示各個維度的數量
• ndim：維度的數量

四，序列的索引

序列對象還能經過屬性來訪問序列的元素值。

1，at和iat屬性，用於訪問單個序列元素值

at屬性表示的是索引標籤和元素值對，經過索引標籤訪問單個序列值

>>> sd.at['a']
13

iat屬性表示的下表和元素值對，經過下表訪問序列的單個元素值：

>>> sd.iat[1]
13

2，loc和iloc，經過序列的位置來訪問元素

iloc：純粹基於整數位置的索引，用於按位置選擇序列元素

• 單個位置索引，好比sd.iloc[1]
• 位置索引的列表，好比 sd.iloc[[0,1]]
• 整數序列，好比，sd.iloc[0:2]
• 布爾值數組，sd.iloc[[True, False, True, False]]

loc：經過索引標籤和布爾值數組來選擇序列的元素

舉個例子，經過整數序列來選擇序列的元素：

>>> sd.iloc[0:2]
b    12
a    13

舉個例子，經過索引的標籤來選擇序列的元素：

>>> sd.loc[['a','b']]
a    13
b    12
dtype: int64

3，ix屬性

ix屬性是最首要的標籤-位置的索引器，具備整數位置的回退，注意，不推薦使用ix索引器。

• .ix []支持基於整數和標籤混合的訪問，它主要基於標籤，但將回退到整數位置訪問，除非相應的軸是整數類型。
• .ix是最經常使用的索引器，它將支持.loc和.iloc中的任何輸入。
• 可是，當軸基於整數時，僅支持基於標籤的訪問而非位置訪問。 所以，在這種狀況下，一般最好是明確的並使用.iloc或.loc。

舉個例子，ix索引器既支持整數，也支持標籤的訪問。

>>> sd.ix[1]
>>> sd.ix['a'] 

4，get()和key函數

get(key)：key參數能夠是索引的下標，也能夠是索引的標籤，根據key返回相應的value

keys()：該函數返回序列的全部索引標籤

>>> sd.keys()
Index(['b', 'a', 'd', 'c'], dtype='object')
>>> sd.get('a')
13
>>> sd.get(0)
12

5，得到懶惰迭代器

能夠經過序列的__iter__()函數得到值的迭代器，也能夠經過items()或iteritems()函數得到包含索引和值的元組的迭代器：

Series.__iter__(self)    #Return an iterator of the values.
Series.items(self)       #Lazily iterate over (index, value) tuples.
Series.iteritems(self)   #Lazily iterate over (index, value) tuples.

例如，經過items()函數得到序列的迭代器，並經過for循環來打印序列的值

>>> for t in sd.items():
...     print(t)
... 
('b', 12)
('a', 13)
('d', 14)
('c', 10)

五，序列的條件索引

按照條件選擇序列的特定行，可使用序列的loc或iloc屬性，並使用布爾索引來篩選序列的數據行：

>>> sd.loc[sd>12]
a    13
d    14
dtype: int64

也可使用邏輯表達式對條件進行組合計算：

>>> sd.loc[(sd>12) & (sd<14)]
a    13
dtype: int64
>>> sd.loc[(sd>12) | (sd<14)]
b    12
a    13
d    14
c    10
dtype: int64

注意，必須用小括號把兩個邏輯表達式括起來，否則會報錯：

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

查看序列的邏輯表達式的值：

>>> (sd>12) & (sd<14)
b    False
a     True
d    False
c    False
dtype: bool

 

參考文檔：

pandas Series