Series學習
使用Python的列表創建Series：
import numpy as np import pandas as pd # 使用list創建 s1 = pd.Series([1,2,3,4]) # 可以發現索引index默認從0開始進行自動索引 s1 0 1 1 2 2 3 3 4 dtype: int64 # 值屬性，可以方便查看Series的值 s1.values array([1, 2, 3, 4], dtype=int64) # 索引index屬性，返回的是索引從開始到結束和間隔的值 s1.index RangeIndex(start=0, stop=4, step=1) # 使用numpy的數組進行創建 s2 = pd.Series(np.arange(10) s2 0 0 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 dtype: int32 # 通過字典進行創建 s3 = pd.Series({'1':1, '2':2, '3':3}) s3 1 1 2 2 3 3 dtype: int64 s3.values array([1, 2, 3], dtype=int64) s3.index Index(['1', '2', '3'], dtype='object') # 手動賦值索引 s4 = pd.Series([1,2,3,4], index=['A','B','C','D']) s4 A 1 B 2 C 3 D 4 dtype: int64 s4.values array([1, 2, 3, 4], dtype=int64) s4.index Index(['A', 'B', 'C', 'D'], dtype='object') s4['A'] # 根據索引取值 1 s4[s4>1] # 根據值得范圍取值 B 2 C 3 D 4 dtype: int64 s4.to_dict() # 把Series轉換為字典輸出，也就是說可以通過字典創建Series，也可以通過Series轉換為字典 {'A': 1, 'B': 2, 'C': 3, 'D': 4} s5 = pd.Series(s4.to_dict()) # 來回轉 s5 A 1 B 2 C 3 D 4 dtype: int64 index_1 = ['A','B','C','D','E'] # 可單獨把索引寫出，再賦值給Series，同時多增加一個索引 s6 = pd.Series(s5, index=index_1) s6 # 多增加的索引的值為NAN A 1.0 B 2.0 C 3.0 D 4.0 E NaN dtype: float64 pd.isnull(s6) # 根據pd.isnall()判斷Series的元素是否有空值，如果有返回Ture，反之False A False B False C False D False E True dtype: bool pd.notnull(s6) # 類似的操作 A True B True C True D True E False dtype: bool s6.name = 'demo' # 給Series賦予名字 s6 A 1.0 B 2.0 C 3.0 D 4.0 E NaN Name: demo, dtype: float64 s6.index.name = 'demo_index' # 給索引起個名字 s6 demo_index A 1.0 B 2.0 C 3.0 D 4.0 E NaN Name: demo, dtype: float64 s6.index Index(['A', 'B', 'C', 'D', 'E'], dtype='object', name='demo_index')