使用Pandas資料分析之Series

一、工具準備

資料分析一個很好的工具：anaconda,本教學是在win10系統中使用anaconda3的jupyter工具，該工具運行在瀏覽器中。

1. 下載網址：https://www.anaconda.com/

2. 啟動方法

• 開始選單，開啟anaconda prompt命令列視窗

• #進入到專案所在目錄，該目錄自己設定

• 使用指令jupyter notebook即可開啟瀏覽器

#二、Series類型

索引一旦被創建，裡面的值不能被單一修改

1. 創建Series物件

透過列表或陣列創建物件

import pandas as pd
import numpy as np
users=['张三','李四','王老五']
series1=pd.Series(users)
print(series1)

以上程式碼結果：

0     张三
1     李四
2    王老五
dtype: object

透過字典建立series物件

users={'张三':20,'李四':25,'王五':21}
series2=pd.Series(users)
print(series2)

以上程式碼結果：

张三    20
李四    25
王五    21
dtype: int64

2. 取得Series的序列

print(series2.index)

以上程式碼結果：

Index(['张三', '李四', '王五'], dtype='object')

• 3. 取得Series的值

  print(series2.values)

以上程式碼結果：

• [20 25 21]

  4. 取得某一個值

print(series2.values)
print(series2[1])
print(series2['王五'])

以上程式碼結果：

25
21

上面兩種方法都可以取得到Series的值

• 5. 日期時間索引

  pd.date_range('2022-10-01',periods=4,freq='M')

  #########periods:分多個區間#### ########freq:按年、月、日、週、時間等分割################6.時間間隔索引######

  pd.TimedeltaIndex([10,12,14,16],unit="D")

  # ##以上程式碼結果：###

  TimedeltaIndex(['10 days', '12 days', '14 days', '16 days'], dtype='timedelta64[ns]', freq=None)

  #########unit的值可以換成Y,W,H等等###

7.索引取值

import numpy as np
import pandas as pd
pd=pd.DataFrame(np.random.randint(1,100,(4,5)),index=['A','B','C','D'])
# pd['A':'C']#通过索引名称取值，结果包含最后一个
pd[0:3]#通过索引下标取值，结果不包含最后一个

8. 条件索引

conditon=series>50
series[conditon]
或
series[series>50]

以上代码结果：

	0	1	2	3	4
A	84.0	63.0	76.0	72.0	77.0
B	NaN	96.0	NaN	65.0	NaN
C	NaN	NaN	NaN	81.0	NaN
D	74.0	89.0	NaN	NaN	53.0

以上是使用Pandas資料分析之Series的詳細內容。更多資訊請關注PHP中文網其他相關文章！