點開，看一段，你就會喜歡上學習pandas，你該這麼學！No.3

身爲一個囉嗦的博主，仍是要說點啥，若是你不想學，直接拖拽到最後，發現彩蛋，而後3秒

我呢，有個小目標，就是把技術類的文章，寫的有趣

編程呢，最難的是什麼？

我投票給入門

其實，把一我的帶進編程的大門是最難的

而夢想橡皮擦這位大佬，就在作這個事情
（說白了，就是高深的文章寫不出來，還要裝作大佬，心好累，好不容易找到這麼一個藉口，真開心）

我要經過一個系列的pandas文章

讓你學會這一個簡簡單單的模塊

而後還能順便寫點好玩的東東

美哉~

每篇文章，讓你閱讀起來如絲般順滑

繼續pandas,series函數的學習

上篇博客，我們就稍微瞭解了一丟丟series的函數

遠遠不夠的
這篇呢，咱們繼續

內心默唸

pandas是處理數據的，是處理數的，數字的

OK,GET到這個就好多了

後面我就好編了

import pandas as pd
s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])
print(s)

我建立了一個基本的Series，而後要對它進行處理了

對一個線性的數據來講

咱們能夠幹不少事情

好比，我要獲取最大最小值

import pandas as pd

s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])

print(s.min())
print(s.max())

這個寫法仍是太簡單了，顯示不出來咱們學到東西了

咱弄點新鮮的(其實就是官網比較複雜的例子)

先給series建立一個帶有層次的索引

帶有層次的索引，啥意思？

其實就是excel裏面的合併單元格
看代碼

idx = pd.MultiIndex.from_arrays([
    ['warm', 'warm', 'cold', 'cold'],
    ['dog', 'falcon', 'fish', 'spider']]
    ,names=['blooded', 'animal'])

s = pd.Series([4, 2, 0, 8], name='legs', index=idx)
print(s)

一個關於冷血動物和溫血動物關於有多少足的表格

唉，好長一段文字，輸出長這個樣子

看不明白，不要緊，放到excel裏面瞅瞅

咋麼樣，小版一排，清晰明瞭

就一個表格
當前前面依舊是index
真正的數據就後面那一列

而後，操做一番

idx = pd.MultiIndex.from_arrays([
    ['warm', 'warm','warm',  'cold', 'cold'],
    ['dog', 'falcon','people', 'fish', 'spider']]
    ,names=['blooded', 'animal'])

s = pd.Series([4, 2,2, 0, 8], name='legs', index=idx)
print(s)
print(s.min())
print(s.max(level='blooded'))

後面的level就是控制多索引的哦~

看到結果，你能夠秒懂嗎？

s = pd.Series([4, 2,2, 0, 8], name='legs', index=idx)
print(s)
print(s.min())  # 輸出0
print(s.max(level='blooded')) # 輸出 下面的表格

沒錯，我是下面的表格

學會了吧，這個學會了,min,max,sum,idxmin,idxmax你應該都會了

什麼idx是啥？看看上面的代碼
那個是索引... ...

還要囉嗦一個屬性

對於series來講，還有一個屬性很是，很是重要，重要到使用以後，沒啥效果？

這個屬性就是T
沒錯，一個大寫的字母T

哈哈哈，其實這個屬性對於series來講，基本沒啥用

使用以後仍是等於本身自己

s = pd.Series([3,1,4],index=['a','b','c'])
print(s)
print(s.T)

繼續看函數

好像跑偏了，怎麼看到屬性去了

繼續看函數啊

一個線性雜亂的數據，對於咱們來講
還能夠排序啊

import pandas as pd

s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])

既然排序了，你一猜，就能猜到（其實通常人根本猜不到，也就老師以爲你能猜到）

一個是按照值排序，一個是按照索引排序

import pandas as pd

s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])

print(s.sort_values())
print(s.sort_index())

排序的一些參數，能夠屢屢

Series.sort_values(axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last')

• axis 按照哪一個參考軸排序. 對於 Series來講，只能設置爲0
• ascending 倒序仍是正序 True升序
• inplace 默認false，修改成true，原地修改？咦，不明白吧，一會我給你舉個栗子
• kind 排序方法 快速排序，歸併排序，堆排序
• na_position 空值，在前仍是在後，這個，你試一下就知道了

inplace

看一下下面的代碼，原地替換

s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])
sorted_s = s.sort_values(inplace=True)
print(sorted_s)

這時候打印出來的是None，可是你打印s，就能出現排序以後的文字

明白了沒？
就是把s變量直接給排序了

排序搞定以後，就要嘗試獲取series中的部份內容

獲取頭部幾條

頭部頭部head

獲取末尾幾條

tail,tail

import pandas as pd

s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])

print(s.head(2))
print(s.tail(2))

獲取部分數據能夠，那麼確定也能夠刪除數據嘍
（我順口說的）

Series.drop

import pandas as pd

s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])

print(s.drop(labels=[0,1]))

對於series來講，labels參數是必備的

爲何呢？由於其它的壓根不支持

新版本的能夠用index替換labels

好了，又學到新知識點了吧

很少很多，幾個正好

每日學一點吧，啊

明天寫點啥，多是DataFrame吧

最後，歡迎關注一個嘮叨的編程工程師的公號，非本科程序員

掏出你的手機，拍這個