国产一级a片免费看高清,亚洲熟女中文字幕在线视频,黄三级高清在线播放,免费黄色视频在线看

1、Series

Series是一種類(lèi)似與一維數(shù)組的對(duì)象，由下面兩個(gè)部分組成：

values：一組數(shù)據(jù)（ndarray類(lèi)型）
index：相關(guān)的數(shù)據(jù)索引標(biāo)簽

1）Series的創(chuàng)建

兩種創(chuàng)建方式：

(1) 由列表或numpy數(shù)組創(chuàng)建

默認(rèn)索引為0到N-1的整數(shù)型索引
還可以通過(guò)設(shè)置index參數(shù)指定索引
s.index = list('abcdef')
Series中的存放的數(shù)據(jù)必須是一維的
特別地，由ndarray創(chuàng)建的是引用，而不是副本。對(duì)Series元素的改變也會(huì)改變?cè)瓉?lái)的ndarray對(duì)象中的元素。（列表沒(méi)有這種情況）

2）Series的索引和切片

可以使用中括號(hào)取單個(gè)索引（此時(shí)返回的是元素類(lèi)型），或者中括號(hào)里一個(gè)列表取多個(gè)索引（此時(shí)返回的仍然是一個(gè)Series類(lèi)型）。分為顯示索引和隱式索引：

(1) 顯式索引：

- 使用index中的元素作為索引值
- 使用.loc[]（推薦）
 　　#顯式索引
　　s.loc[0]

　　#進(jìn)行切片
　　s.loc['1':'5']

　　#隱式索引
　　s.iloc[0]

注意，此時(shí)是閉區(qū)間

3）Series的基本概念

可以把Series看成一個(gè)定長(zhǎng)的有序字典

可以通過(guò)shape，size，index,values等得到series的屬性

可以通過(guò)head(),tail()快速查看Series對(duì)象的樣式

當(dāng)索引沒(méi)有對(duì)應(yīng)的值時(shí)，可能出現(xiàn)缺失數(shù)據(jù)顯示NaN（not a number）的情況

可以使用pd.isnull()，pd.notnull()，或自帶isnull(),notnull()函數(shù)檢測(cè)缺失數(shù)據(jù)

4）Series的運(yùn)算

(1) 適用于numpy的數(shù)組運(yùn)算也適用于Series

(2) Series之間的運(yùn)算

在運(yùn)算中自動(dòng)對(duì)齊不同索引的數(shù)據(jù)
如果索引不對(duì)應(yīng)，則補(bǔ)NaN
2、DataFrame

DataFrame是一個(gè)【表格型】的數(shù)據(jù)結(jié)構(gòu)，可以看做是【由Series組成的字典】（共用同一個(gè)索引）。DataFrame由按一定順序排列的多列數(shù)據(jù)組成。設(shè)計(jì)初衷是將Series的使用場(chǎng)景從一維拓展到多維。DataFrame既有行索引，也有列索引。

行索引：index
列索引：columns
值：values（numpy的二維數(shù)組）
1）DataFrame的創(chuàng)建

最常用的方法是傳遞一個(gè)字典來(lái)創(chuàng)建。DataFrame以字典的鍵作為每一【列】的名稱(chēng)，以字典的值（一個(gè)數(shù)組）作為每一列。

此外，DataFrame會(huì)自動(dòng)加上每一行的索引（和Series一樣）。

同Series一樣，若傳入的列與字典的鍵不匹配，則相應(yīng)的值為NaN。

DataFrame屬性：values、columns、index、shape

2）DataFrame的索引

(1) 對(duì)列進(jìn)行索引

- 通過(guò)類(lèi)似字典的方式
- 通過(guò)屬性的方式
可以將DataFrame的列獲取為一個(gè)Series。返回的Series擁有原DataFrame相同的索引，且name屬性也已經(jīng)設(shè)置好了，就是相應(yīng)的列名。

(2) 對(duì)行進(jìn)行索引

- 使用.ix[]來(lái)進(jìn)行行索引 #對(duì)于行的檢索，返回值，也是Series
- 使用.loc[]加index來(lái)進(jìn)行行索引 #!!! ['A','B'],如果檢索多行返回的數(shù)據(jù)，是DataFrame
- 使用.iloc[]加整數(shù)來(lái)進(jìn)行行索引 #左閉右開(kāi)
同樣返回一個(gè)Series，index為原來(lái)的columns。

(3) 對(duì)元素索引的方法

- 使用列索引
- 使用行索引(iloc[3,1]相當(dāng)于兩個(gè)參數(shù);iloc[[3,3]] 里面的[3,3]看做一個(gè)參數(shù))
- 使用values屬性（二維numpy數(shù)組）

3）DataFrame的運(yùn)算

（1） DataFrame之間的運(yùn)算

同Series一樣：

在運(yùn)算中自動(dòng)對(duì)齊不同索引的數(shù)據(jù)
如果索引不對(duì)應(yīng)，則補(bǔ)NaN
（2） Series與DataFrame之間的運(yùn)算

【重要】

使用Python操作符：以行為單位操作（參數(shù)必須是行），對(duì)所有行都有效。（類(lèi)似于numpy中二維數(shù)組與一維數(shù)組的運(yùn)算，但可能出現(xiàn)NaN）

使用pandas操作函數(shù)：

axis=0：以列為單位操作（參數(shù)必須是列），對(duì)所有列都有效。
axis=1：以行為單位操作（參數(shù)必須是行），對(duì)所有行都有效。