Python数据分析基础与应用模块4Pandas数据结构应用与数据读写操作

4.2熟悉Pandas的Series结构

4.2.1创建Series对象Pandas使用Series()函数来创建Series对象，通过这个对象可以调用相应的方法和属性，从而达到处理数据的目的。Series()函数的语法格式如下：importpandasaspds=pd.Series(data,index,dtype,copy)

4.2.1创建Series对象其函数参数说明如下所示：?data：一组数据，可以是列表、常量、ndarray数组等。?index：索引标签，如果没有指定索引标签，默认从0开始依次递增的数值作为标签，此时，标签与Series对象中元素的索引（在数组中的位置）是一致的。索引值必须是唯一的，如果没有传递索引，则默认为np.arrange(n)。?dtype：dtype表示数据类型，如果没有提供，则会自动判断确定其数据类型。?copy：表示对data进行拷贝，默认为False。

4.2.2访问Series数据1．使用位置索引访问Series序列中元素这种访问方式与ndarray和list相同，使用元素自身的下标进行访问。数组的索引计数从0开始，这表示第一个元素存储在第0个索引位置上，依此类推，就可以获得Series序列中的每个元素。代码如下：importpandasaspds1=pd.Series([1,2,3,4,5],index=[a,b,c,d,e])print(s1[0])#位置下标print(s1[a])#标签下标输出结果：11

4.2.2访问Series数据2．通过索引的切片方式访问Series序列中的数据通过Series索引的切片来选择多个元素时，切片“[起始值:终止值:步长]”所指定的元素是不包含终止值的元素，如没有指定终止值，则终止值是包含Series最后索引的元素。3．使用索引标签访问Series序列中元素Series类似于固定大小的字典dictionary，把index中的索引标签当作key，而把Series序列中的元素值当做value，然后通过index索引标签来访问或者修改元素值。

4.2.3使用Series的常用属性表4-2中列出了Series对象的常用属性。表4-2Series对象的常用属性序号属性名称说明1axes以列表的形式返回所有行索引标签。2dtype返回Series对象的数据类型。3empty返回一个布尔值，用于判断数据对象是否为空。4ndim返回Series对象的维数，Series是一维数据结构，因此它始终返回1。5size返回Series对象的大小（长度）。6values以ndarray的形式返回Series对象中的数据，通过属性values可以查看Series对象的值。7index用于查看Series中索引的取值范围，返回一个RangeIndex对象。

4.2.4使用Series的常用方法与函数1．使用方法head()和tail()查看数据如果想要查看Series的某一部分数据，可以使用head()或者tail()方法，其中head()返回前n行数据，默认显示前5行数据。tail()返回的是后n行数据，默认为后5行。2．使用方法isnull()和nonull()检测缺失值方法isnull()和nonull()用于检测Series中的缺失值。所谓缺失值，顾名思义就是值不存在、丢失、缺少等。（1）方法isnull()：如果为值不存在或者缺失，则返回True。（2）方法notnull()：如果值不存在或者缺失，则返回False。

4.2.4使用Series的常用方法与函数3．使用函数unique()获取Series对象去重后的元素所组成的数组统计Series对象包含多少个不同的元素，可使用Series对象的unique()函数返回一个由Series对象去重后的元素所组成的数组，但是数组中元素的顺序不会自动排序。4．使用函数value_counts()获取Series对象去重后的元素所组成的数组使用Series对象的value_counts()函数，不仅能返回各个不同的元素，而且还能计算每个元素在Series中的出现次数。

4.2.4使用Series的常用方法与函数5．使用isin()函数判断指定元素在Series数据结构中是否存在使用isin()函数可以判断给定的一个或多个元素是否包含在Series数据结构中，如果给定的元素包含在数据结构中，isin()函数返回是True，否则返回是False。利用此函数可以筛选Series或DataFrame列中的数据。

快乐学习高效学习祝学习进步！