python数据分析：pandas学习之Series数组

学习pandas需要一些numpy学习基础：numpy学习总结

成都创新互联是一家专业提供宾县企业网站建设,专注与成都做网站、网站制作、HTML5建站、小程序制作等业务。10年已为宾县众多企业、政府机构等服务。创新互联专业的建站公司优惠进行中。

虽然numpy已经可以结合matplotlib解决我们数据分析的问题，那么pandas学习的目的在什么地方呢?

numpy 能够帮我们处理数值型数据，但是这还不够

很多时候，我们数据除了数值之外，还有字符串，时间序列等

比如：我们通过爬虫获取到了存储在数据库中的数据

所以， numpy能够帮助我们处理数值，但是pandas处理处理数值之外(基于numpy)，还能够帮助我们处理其他类型的数据

pandas常用的数据类型

1.Series一维， 带标签(索引)数组

2. DataFrame二维， Series容器

pandas的Series学习

创建一个Series数组

import pandas as pd

import numpy as np

# 创建长度为10的Series数组

t = pd.Series(np.arange(10))

这样就可以创建一个简单的Series数组了，数组的左边是它的索引，右边是它的值

，因此它有index和values方法

更改Series数组的索引值

其中index=list(string.ascii_uppercase[:10])表示的是取前10位大写字母来代替索引

在这里插入代码片

注意： pd.Series能够干什么，能够传入什么类型的数据让其变为series结构，index是什么?

在什么位置，对于我们常见的数据库或者ndarray来说，index是什么，如何给一组数据指定index?

在pd.Series()中的参数可以传入一个字典，也能传入一个列表，元组等

重新给其指定其他的索引之后，如果能够对应上，就取其值，如果不能，就为nan， 此时数据的类型就为float类型了，因为numpy中的nan为float类型，pandas会自动根据数据类型更改Series的dtype类型，若要修改此类型，使用.astype即可修改

pandas之Series切片和索引

t = pd.Series(np.arange(10), index=list(string.ascii_uppercase[:10]))

t[2:10:2] # 从第三个开始以步长为2，到第10个为止

t[[2, 3, 6]] # 选择第三个， 第四个， 和第七个的值

t["F"] # 选择索引为F的值

结果如下：

切片：在"[]"中直接传入start end 或者步长即可

索引：一个的时候传入序号或者index，多个的时候传入序号或者index的列表

pandas之Series的索引和值

对于一个陌生的series类型，我们如何知道它的索引和具体的值呢：

t.index ==> 返回数组的索引，是一个列表类型，可以进行遍历，也可进行强制类型转换，如： tuple(t.index) # 进行强制类型转换

t.values ==> 返回数组的值，是一个列表类型，可以进行遍历，也可进行强制类型转换，如： tuple(t.values)

Series对象本质上由两个数组构成。

一个数组构成对象的键(index，索引)，一个数组构成对象的值(values)，键 -> 值

ndarray的很多方法都可以运用于series类型，比如argmax，clip

series具有where方法，但是结果和ndarray不同，具体方法可以查看官方文档np.Series.where使用教程

pandas读取MongoDB数据

这里由于我的mongodb里面没有数据，所以我就手动添加了一些数据(0.0)

from pymongo import MongoClient

import pandas as pd

client = MongoClient()

collection = client["xin"]["test"]

data = list(collection.find())

a = ["hello", "world"]

data.append(a)

t1 = data[0]

t1 = pd.Series(t1)

print(t1)

结果如下

pandas读取外部文件

pandas提供了很多读取数据的方法，比如：

郑州妇科医院 http://fk.zyfuke.com/

这里我以csv文件举例

import pandas as pd

# pandas 读取文件

t = pd.read_csv("./demo.csv")

print(t)

csv文件结果如下

我们这组的数据存在csv文件中，我们直接使用pd.read_csv即可

和我们想象中的有些差别，我们以为他会是一个Series类型，但实际上它是一个DataFrame数组类型。