pandas-01 Series()的几种创建方法

import numpy as np

import pandas as pd

# 使用一个列表生成一个Series

s1 = pd.Series([1, 2, 3, 4])

print(s1)

'''

0    1

1    2

2    3

3    4

dtype: int64

'''

# 返回所有的索引

print(s1.index)

'''

RangeIndex(start=0, stop=4, step=1)

'''

# 使用数组生成一个Series

s2  = pd.Series(np.arange(7))

print(s2)

'''

0    0

1    1

2    2

3    3

4    4

5    5

6    6

dtype: int64

'''

# 使用一个字典生成Series，其中字典的键，就是索引

s3 = pd.Series({'1':1, '2':2, '3':3})

print(s3)

print(s3.values)

print(s3.index)

'''

1    1

2    2

3    3

dtype: int64

[1 2 3]

Index(['1', '2', '3'], dtype='object')

'''

# 使用列表生成序列，并且指定索引

s4 = pd.Series([1, 2, 3, 4], index=['A', 'B', 'C', 'D'])

print(s4)

'''

A    1

B    2

C    3

D    4

dtype: int64

'''

# 通过索引查找值

print(s4['A']) # 1

print(s4[s4>2])

'''

C    3

D    4

dtype: int64

'''

# 将Series转换为字典

print(s4.to_dict()) #  {'B': 2, 'D': 4, 'C': 3, 'A': 1}

s5 = pd.Series(s4.to_dict())

print(s5)

'''

A    1

B    2

C    3

D    4

dtype: int64

'''

# 为s5指定一个新的索引

index_1 = ['A', 'B', 'C', 'D', 'E']

s6 = pd.Series(s5, index=index_1)

print(s6)

'''

A    1.0

B    2.0

C    3.0

D    4.0

E    NaN

dtype: float64

'''

# 判断s6的每一项是否为nan

print(s6.isnull())

'''

A    False

B    False

C    False

D    False

E     True

dtype: bool

'''

print(s6.notnull())

'''

A     True

B     True

C     True

D     True

E    False

dtype: bool

'''

# 为 series 命名

s6.name = 'demo'

print(s6)

'''

A    1.0

B    2.0

C    3.0

D    4.0

E    NaN

Name: demo, dtype: float64

'''

# 为 索引 命名

s6.index.name = 'demo index'

print(s6)

'''

demo index

A    1.0

B    2.0

C    3.0

D    4.0

E    NaN

Name: demo, dtype: float64

'''