介绍
本篇文章为大家展示了系列方法怎么在Python3.5中使用,内容简明扼要并且容易理解,绝对能使你眼前一亮,通过这篇文章的详细介绍希望你能有所收获。
1,熊猫模块引入与基本数据结构
2系列的创建
# !/usr/bin/env python #,- *安康;编码:utf-8 - * #作者:ZhengzhengLiu #模块引入 import numpy  as np import pandas  as pd 得到pandas import 系列,DataFrame # 1.系列通过numpy一维数组创建 打印(“=========系列通过numpy一维数组创建==========? 时间=arr np.array ([1、2、3、4、5)) 时间=s1 pd.Series (arr) 打印(s1) 打印(s1.index) 打印(s1.values) # 2.系列直接通过一维数组创建 打印(“=========系列直接通过一维数组创建==========? 时间=s2 pd.Series([38 10.5, 20日,40]) 打印(s2) #修改索引值 s2.index =,(& # 39;一个# 39;& # 39;b # 39;, & # 39; c # 39;, & # 39; d # 39;】 打印(s2) #系列通过一维数组创建,可以在创建的同时自定义索引值, #,也可以之后通过赋值的形式去修改 打印(“=========系列创建的同时自定义索引值和数据类型==========? 时间=s3 pd.Series (data=https://www.yisu.com/zixun/(89、78、90、87), dtype=np.float64, 指数=['语文”、“数学”,“英语”,“科学的)) 打印(s3) # 3.系列通过字典创建,字典的键对应索引,值对应数据 打印(“=========系列通过字典创建==========") dict={“a”: 1、“b”: 2,“c”: 3,“d”: 4} s4=pd.Series(东西) 打印(s4)
运行结果:
=========系列通过numpy一维数组创建==========
引用>
0,,,1
1,,,2
2,,,3
3,,,4
4,,,5
dtype: int32
RangeIndex(=0开始,停止=5,步骤=1)
(1 2 3 4 5)
=========系列直接通过一维数组创建==========
0,,,10.5
1,,,20.0
2,,,38.0
3,,,40.0
dtype: float64
a ,,10.5
b ,,20.0
c ,,38.0
d ,,40.0
dtype: float64
=========系列创建的同时自定义索引值和数据类型==========
语文,,,89.0
数学,,,78.0
英语,,,90.0
科学,,,87.0
dtype: float64
=========系列通过字典创建==========
a ,,1
b ,,2
c ,,3
d ,,4
dtype: int643系列值的获取
#模块引入 import numpy  as np import pandas  as pd 得到pandas import 系列,DataFrame # 4.系列值的获取 打印(“=========系列值的获?=========? 时间=s2 pd.Series([38 10.5, 20日,40]) #修改索引值 s2.index =,(& # 39;一个# 39;& # 39;b # 39;, & # 39; c # 39;, & # 39; d # 39;】 打印(s2) 打印(s2[0]),,,, #方括号+下标值的形式获取系列值 print (s2 [“a"]),,, #方括号+索引的形式获取系列值运行结果:
=========系列值的获?=========
引用>
a ,,10.5
b ,,20.0
c ,,38.0
d ,,40.0
dtype: float64
10.5 10.5
4系列运算
#模块引入 import numpy  as np import pandas  as pd 得到pandas import 系列,DataFrame # 5.系列值的运算 #系列中元素级别的运算结果,包含索引值并且键值关系保持不变 打印(“=========系列值的运算==========? 时间=s6 pd.Series({& # 39;一个# 39;:1 & # 39;b # 39;: 2,“c": 3,“d": 4}) 打印(s6) 打印(“=========打印系列大于2的值==========? 打印(s6 (s6> 2)) 打印(“=========打印系列的值除以2==========? 打印(s6/2) # numpy中的通用函数在系列中也支持 s7=, pd.Series ([1、2、3、4]) 打印(np.exp (s7)系列方法怎么在Python3.5中使用