Pandas pd.Series()-Funktion
Pandas Series API-Handbuchpd.Series()Es ist eine Kernfunktion in der Pandas-Bibliothek, die verwendet wird, um eindimensionale Arrays zu erstellen (ähnlich wie Listen oder NumPy-Arrays), aber sie ist leistungsfähiger als gewöhnliche Arrays.SeriesSie kann jeden Datentyp speichern (wie Ganzzahlen, Zeichenfolgen, Gleitkommazahlen usw.), und jedes Element hat einen zugehörigen Index, was Datenoperationen flexibler macht.
Grundlegende Syntax von pd.Series()
pd.Series(data, index=None, dtype=None, name=None, copy=False)
Parameter description:
- data: Daten, kann eine Liste, ein Wörterbuch, ein NumPy-Array usw. sein.
- index: Index, wird zum Kennzeichnen von Daten verwendet. Wenn er nicht angegeben wird, beginnt er standardmäßig bei 0.
- dtype: Datentyp, wie z. B.
int、float、strusw. - name: der Name der Series, wird normalerweise zum Kennzeichnen von Daten verwendet.
- copy: ob Daten kopiert werden sollen, standardmäßig
False。
Wie verwendet man pd.Series()?
Beispiel 1: Eine Series aus einer Liste erstellen
Beispiel
import pandas as pd
# Eine einfache Series erstellen
data = [10, 20, 30, 40]
s = pd.Series(data)
print(s)
# Eine einfache Series erstellen
data = [10, 20, 30, 40]
s = pd.Series(data)
print(s)
Ausgabe:
0 10 1 20 2 30 3 40 dtype: int64
Erklärung:
- data
[10, 20, 30, 40]wird in eine Series umgewandelt. - Der Standardindex beginnt bei 0.
Beispiel 2: Index angeben
Beispiel
# Eine Series erstellen und den Index angeben
data = [10, 20, 30, 40]
index = ['a', 'b', 'c', 'd']
s = pd.Series(data, index=index)
print(s)
data = [10, 20, 30, 40]
index = ['a', 'b', 'c', 'd']
s = pd.Series(data, index=index)
print(s)
Ausgabe:
a 10 b 20 c 30 d 40 dtype: int64
Erklärung:
- Der Index wird angegeben als
['a', 'b', 'c', 'd'], anstelle der Standardwerte 0, 1, 2, 3.
Beispiel 3: Eine Series aus einem Dictionary erstellen
Beispiel
# Series aus einem Dictionary erstellen
data = {'a': 10, 'b': 20, 'c': 30, 'd': 40}
s = pd.Series(data)
print(s)
data = {'a': 10, 'b': 20, 'c': 30, 'd': 40}
s = pd.Series(data)
print(s)
Ausgabe:
a 10 b 20 c 30 d 40 dtype: int64
Erklärung:
- Die Schlüssel des Dictionaries werden automatisch zu den Indizes der Series, und die Werte werden zu den Daten.
Beispiel 4: Datentyp angeben
Beispiel
# Erstellen Sie eine Series und geben Sie den Datentyp als float an
data = [10, 20, 30, 40]
s = pd.Series(data, dtype=float)
print(s)
data = [10, 20, 30, 40]
s = pd.Series(data, dtype=float)
print(s)
Ausgabe:
0 10.0 1 20.0 2 30.0 3 40.0 dtype: float64
Erklärung:
- Der Datentyp wird angegeben als
float, sodass alle Werte als Gleitkommazahlen angezeigt werden.
Häufige Operationen mit Series
1. Zugriff auf Daten
Sie können in einer Series über den Index auf Daten zugreifen.
Beispiel
s = pd.Series([10, 20, 30, 40], index=['a', 'b', 'c', 'd'])
print(s['b']) # Ausgabe: 20
print(s['b']) # Ausgabe: 20
2. Daten ändern
Sie können Daten in einer Series über den Index ändern.
Beispiel
s['b'] = 25
print(s)
print(s)
Ausgabe:
a 10 b 25 c 30 d 40 dtype: int64
3. Slicing-Operationen
Sie können Slicing-Operationen auf einer Series ausführen.
Beispiel
print(s['b':'d'])
Ausgabe:
b 25 c 30 d 40 dtype: int64
4. Mathematische Operationen
Sie können mathematische Operationen auf einer Series ausführen.
Beispiel
print(s * 2)
Ausgabe:
a 20 b 50 c 60 d 80 dtype: int64Weitere Erweiterungen