pandas_一维数组与常用操作

# 一维数组与常用操作
import pandas as pd

# 设置输出结果列对齐
pd.set_option(‘display.unicode.ambiguous_as_wide‘,True)
pd.set_option(‘display.unicode.east_asian_width‘,True)

# 创建 从 0 开始的非负整数索引
s1 = pd.Series(range(1,20,5))
‘‘‘
0     1
1     6
2    11
3    16
dtype: int64
‘‘‘
# 使用字典创建 Series 字典的键作为索引
s2 = pd.Series({‘语文‘:95,‘数学‘:98,‘Python‘:100,‘物理‘:97,‘化学‘:99})
‘‘‘
语文       95
数学       98
Python    100
物理       97
化学       99
dtype: int64
‘‘‘
# 使用索引下标进行修改
# 修改 Series 对象的值
s1[3] = -17
‘‘‘
0     1
1     6
2    11
3   -17
dtype: int64
‘‘‘
s2[‘语文‘] = 94
‘‘‘
语文       94
数学       98
Python    100
物理       97
化学       99
dtype: int64
‘‘‘
# 查看 s1 的绝对值
abs(s1)
‘‘‘
0     1
1     6
2    11
3    17
dtype: int64
‘‘‘
# 将 s1 所有的值都加 5、使用加法时，对所有元素都进行
s1 + 5
‘‘‘
0     6
1    11
2    16
3   -12
dtype: int64
‘‘‘
# 在 s1 的索引下标前加入参数值
s1.add_prefix(2)
‘‘‘
20     1
21     6
22    11
23   -17
dtype: int64
‘‘‘
# s2 数据的直方图
s2.hist()

# 每行索引后面加上 hany
s2.add_suffix(‘hany‘)
‘‘‘
语文hany       94
数学hany       98
Pythonhany    100
物理hany       97
化学hany       99
dtype: int64
‘‘‘
# 查看 s2 中最大值的索引
s2.argmax()
# ‘Python‘

# 查看 s2 的值是否在指定区间内
s2.between(90,100,inclusive = True)
‘‘‘
语文      True
数学      True
Python    True
物理      True
化学      True
dtype: bool
‘‘‘
# 查看 s2 中 97 分以上的数据
s2[s2 > 97]
‘‘‘
数学       98
Python    100
化学       99
dtype: int64
‘‘‘
# 查看 s2 中大于中值的数据
s2[s2 > s2.median()]
‘‘‘
Python    100
化学       99
dtype: int64
‘‘‘
# s2 与数字之间的运算,开平方 * 10 保留一位小数
round((s2**0.5)*10,1)
‘‘‘
语文       97.0
数学       99.0
Python    100.0
物理       98.5
化学       99.5
dtype: float64
‘‘‘
# s2 的中值
s2.median()
# 98.0

# s2 中最小的两个数
s2.nsmallest(2)
‘‘‘
语文    94
物理    97
dtype: int64
‘‘‘
# s2 中最大的两个数
s2.nlargest(2)
‘‘‘
Python    100
化学       99
dtype: int64
‘‘‘
# Series 对象之间的运算,对相同索引进行计算,不是相同索引的使用 NaN
pd.Series(range(5)) + pd.Series(range(5,10))
‘‘‘
0     5
1     7
2     9
3    11
4    13
dtype: int64
‘‘‘
# 对 Series 对象使用匿名函数
pd.Series(range(5)).pipe(lambda x,y,z :(x**y)%z,2,5)
‘‘‘
0    0
1    1
2    4
3    4
4    1
dtype: int64
‘‘‘
pd.Series(range(5)).pipe(lambda x:x+3)
‘‘‘
0    3
1    4
2    5
3    6
4    7
dtype: int64
‘‘‘
pd.Series(range(5)).pipe(lambda x:x+3).pipe(lambda x:x*3)
‘‘‘
0     9
1    12
2    15
3    18
4    21
dtype: int64
‘‘‘
# 对 Series 对象使用匿名函数
pd.Series(range(5)).apply(lambda x:x+3)
‘‘‘
0    3
1    4
2    5
3    6
4    7
dtype: int64
‘‘‘
# 查看标准差
pd.Series(range(0,5)).std()
# 1.5811388300841898

# 查看无偏方差
pd.Series(range(0,5)).var()
# 2.5

# 查看无偏标准差
pd.Series(range(0,5)).sem()
# 0.7071067811865476

# 查看是否存在等价于 True 的值
any(pd.Series([3,0,True]))
# True

# 查看是否所有的值都等价于 True
all(pd.Series([3,0,True]))
# False

2020-05-07