这篇文章将为大家详细讲解有关pd.Series()函数怎么用，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

10年积累的成都网站设计、做网站经验，可以快速应对客户对网站的新想法和需求。提供各种问题对应的解决方案。让选择我们的客户得到更好、更有力的网络服务。我虽然不认识你，你也不认识我。但先网站设计后付款的网站建设流程，更有历下免费网站建设让你可以放心的选择与我们合作。

　　1. Series介绍

　　Pandas模块的数据结构主要有两：1、Series ;2、DataFrame

　　series是一个一维数组，是基于NumPy的ndarray结构。Pandas会默然用0到n-1来作为series的index，但也可以自己指定index(可以把index理解为dict里面的key)。

　　2. Series创建

　　pd.Series([list]，index=[list])

　　参数为list;index为可选参数，若不填写则默认index从0开始;若填写则index长度应该与value长度相等。

　　import pandas as pd

　　s=pd.Series([1,2,3,4,5]，index=['a','b','c','f','e'])

　　print s

　　pd.Series({dict})

　　以一字典结构为参数。

　　import pandas as pd

　　s=pd.Series({'a':1,'b':2,'c':3,'f':4,'e':5})

　　print s

　　3. Series取值

　　s[index] or s[[index的list]]

　　取值操作类似数组，当取不连续的多个值时可以以list为参数

　　import pandas as pd

　　import numpy as np

　　v = np.random.random_sample(50)

　　s = pd.Series(v)

　　s1 = s[[3, 13, 23, 33]]

　　s2 = s[3:13]

　　s3 = s[43]

　　print("s1", s1)

　　print("s2", s2)

　　print("s3", s3)

　　s1 3 0.064095

　　13 0.354023

　　23 0.225739

　　33 0.959288

　　dtype: float64

　　s2 3 0.064095

　　4 0.405651

　　5 0.024181

　　6 0.367606

　　7 0.844005

　　8 0.405313

　　9 0.102824

　　10 0.806400

　　11 0.950502

　　12 0.735310

　　dtype: float64

　　s3 0.42803253918

　　4. Series取头和尾的值

　　.head(n);.tail(n)

　　取出头n行或尾n行，n为可选参数，若不填默认5

　　import pandas as pd

　　import numpy as np

　　v = np.random.random_sample(50)

　　s = pd.Series(v)

　　print("s.head()", s.head())

　　print("s.head(3)", s.head(3))

　　print("s.tail()", s.tail())

　　print("s.head(3)", s.head(3))

　　s.head() 0 0.714136

　　1 0.333600

　　2 0.683784

　　3 0.044002

　　4 0.147745

　　dtype: float64

　　s.head(3) 0 0.714136

　　1 0.333600

　　2 0.683784

　　dtype: float64

　　s.tail() 45 0.779509

　　46 0.778341

　　47 0.331999

　　48 0.444811

　　49 0.028520

　　dtype: float64

　　s.head(3) 0 0.714136

　　1 0.333600

　　2 0.683784

　　dtype: float64

　　5. Series常用操作

　　import pandas as pd

　　import numpy as np

　　v = [10, 3, 2, 2, np.nan]

　　v = pd.Series(v)

　　print("len():", len(v)) # Series长度,包括NaN

　　print("shape():", np.shape(v)) # 矩阵形状，(，)

　　print("count():", v.count()) # Series长度，不包括NaN

　　print("unique():", v.unique()) # 出现不重复values值

　　print("value_counts():\n", v.value_counts()) # 统计value值出现次数

　　len(): 5无锡人流医院哪家好 /tupian/20230522/pp　　shape(): (5,)

　　count(): 4

　　unique(): [ 10. 3. 2. nan]

　　value_counts():

　　2.0 2

　　3.0 1

　　10.0 1

　　dtype: int64

　　6. Series加法

　　import pandas as pd

　　import numpy as np

　　v = [10, 3, 2, 2, np.nan]

　　v = pd.Series(v)

　　sum = v[1:3] + v[1:3]

　　sum1 = v[1:4] + v[1:4]

　　sum2 = v[1:3] + v[1:4]

　　sum3 = v[:3] + v[1:]

　　print("sum", sum)

　　print("sum1", sum1)

　　print("sum2", sum2)

　　print("sum3", sum3)

　　sum 1 6.0

　　2 4.0

　　dtype: float64

　　sum1 1 6.0

　　2 4.0

　　3 4.0

　　dtype: float64

　　sum2 1 6.0

　　2 4.0

　　3 NaN

　　dtype: float64

　　sum3 0 NaN

　　1 6.0

　　2 4.0

　　3 NaN

　　4 NaN

　　dtype: float64

　　7. Series查找

　　范围查找

　　import pandas as pd

　　import numpy as np

　　s = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car": None}

　　sa = pd.Series(s, name="age")

　　print(sa[sa>19])

　　jim 22.0

　　lj 24.0

　　ton 20.0

　　Name: age, dtype: float64

　　中位数

　　import pandas as pd

　　import numpy as np

　　s = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car": None}

　　sa = pd.Series(s, name="age")

　　print("sa.median()", sa.median())

　　sa.median() 20.0

　　8. Series赋值

　　import pandas as pd

　　import numpy as np

　　s = {"ton": 20, "mary": 18, "jack": 19, "jim": 22, "lj": 24, "car": None}

　　sa = pd.Series(s, name="age")

　　print(s)

　　print('----------------')

　　sa['ton'] = 99

　　print(sa)

　　{'ton': 20, 'mary': 18, 'jack': 19, 'jim': 22, 'lj': 24, 'car': None}

　　----------------

　　car NaN

　　jack 19.0

　　jim 22.0

　　lj 24.0

　　mary 18.0

　　ton 99.0

　　Name: age, dtype: float64

关于“pd.Series()函数怎么用”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。

网页标题：pd.Series()函数怎么用-创新互联
网页路径：http://chengdu.cdxwcx.cn/article/ecgjh.html