Python Pandas教程之series 上的转换操作

前言：

在转换操作中，我们执行各种操作，例如更改系列的数据类型，将系列更改为列表等。为了执行转换操作，我们有各种有助于转换的功能，例如.astype()等.tolist()。

代码#1：

# 使用 astype 转换 series 数据类型的 Python 程序

# importing pandas module
import pandas as pd 

# 从 url 读取 csv 文件
data = pd.read_csv("nba.csv") 

# 删除空值列以避免错误
data.dropna(inplace = True) 

# 在转换之前存储 dtype
before = data.dtypes 

# 使用 astype 转换 dtypes
data["Salary"]= data["Salary"].astype(int)
data["Number"]= data["Number"].astype(str) 

# 转换后存储 dtype
after = data.dtypes 

# 打印出来比较
print("BEFORE CONVERSION\n", before, "\n")
print("AFTER CONVERSION\n", after, "\n")

输出：

代码 #2：

# Python程序将 series 转换为列表

# 导入 pandas 模块
import pandas as pd  

# 导入 regex 模块
import re 

# 制作数据框
data = pd.read_csv("nba.csv")  

# 删除空值以避免错误
data.dropna(inplace = True)  

# 操作前存储 dtype
dtype_before = type(data["Salary"]) 

# 转换为列表
salary_list = data["Salary"].tolist() 

# 操作后存储dtype
dtype_after = type(salary_list) 

# 打印数据类型
print("Data type before converting = {}\nData type after converting = {}"
      .format(dtype_before, dtype_after)) 

# 显示列表
salary_list

输出 ：

Pandas series 方法：

功能 描述
Series() 可以使用 Series() 构造函数方法创建熊猫系列。此构造方法接受各种输入
combine_first() 方法用于将两个系列合二为一
count() 返回系列中非 NA/null 观测值的数量
size() 返回基础数据中的元素数
name() 方法允许为 Series 对象（即列）命名
is_unique() 如果对象中的值是唯一的，则方法返回布尔值
idxmax() 提取Series中最高值的索引位置的方法
idxmin() 提取系列中最低值的索引位置的方法
sort_values() 在 Series 上调用方法以按升序或降序对值进行排序
sort_index() 在熊猫系列上调用方法以按索引而不是其值对其进行排序
head() 方法用于从系列的开头返回指定数量的行。该方法返回一个全新的系列
tail() 方法用于从 Series 的末尾返回指定数量的行。该方法返回一个全新的系列
le() 用于将 Caller 系列的每个元素与传递的系列进行比较。对于每个小于或等于传递系列中的元素的元素，它返回 True
ne() 用于将 Caller 系列的每个元素与传递的系列进行比较。它为每个不等于传递系列中的元素的元素返回 True
ge() 用于将 Caller 系列的每个元素与传递的系列进行比较。它为大于或等于传递系列中的元素的每个元素返回 True
eq() 用于将 Caller 系列的每个元素与传递的系列进行比较。它为每个等于传递系列中的元素的元素返回 True
gt() 用于比较两个系列并为每个元素返回布尔值
lt() 用于比较两个系列并为每个元素返回布尔值
clip() 用于剪裁低于和高于传递的最小和最大值的值
clip_lower() 用于裁剪低于传递的最小值的值
clip_upper() 用于剪裁高于传递的最大值的值
astype() 方法用于更改系列的数据类型
tolist() 方法用于将系列转换为列表
get() 在 Series 上调用方法以从 Series 中提取值。这是传统括号语法的替代语法
unique() Pandas unique() 用于查看特定列中的唯一值
nunique() Pandas nunique() 用于获取唯一值的计数
value_counts() 计算每个唯一值在系列中出现的次数的方法
factorize() 方法通过识别不同的值来帮助获得数组的数字表示
map() 将一个对象的值绑定到另一个对象的方法
between() Pandas between() 方法用于系列检查哪些值位于第一个和第二个参数之间
apply() 调用方法并将 Python 函数作为参数提供给每个 Series 值使用该函数。此方法有助于执行 pandas 或 numpy 中未包含的自定义操作

到此这篇关于Python Pandas教程之series 上的转换操作的文章就介绍到这了,更多相关Python series内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！

赞 (0)

相关推荐

  • 在python中pandas的series合并方法

    如下所示: In [3]: import pandas as pd In [4]: a = pd.Series([1,2,3]) In [5]: b = pd.Series([2,3,4]) In [6]: c = pd.DataFrame([a,b]) In [7]: c Out[7]: 0 1 2 0 1 2 3 1 2 3 4 不过pandas直接用列表生成dataframe只能按行生成,如果是字典可以按列生成,比如: In [8]: c = pd.DataFrame({'a':a,'b'

  • python pandas中对Series数据进行轴向连接的实例

    有时候我们想要的数据合并结果是数据的轴向连接,在pandas中这可以通过concat来实现.操作的对象通常是Series. Ipython中的交互代码如下: In [17]: from pandas import Series,DataFrame In [18]: series1 = Series(range(2),index = ['a','b']) In [19]: series2 = Series(range(3),index = ['c','d','e']) In [20]: serie

  • python pandas 对series和dataframe的重置索引reindex方法

    reindex更多的不是修改pandas对象的索引,而只是修改索引的顺序,如果修改的索引不存在就会使用默认的None代替此行.且不会修改原数组,要修改需要使用赋值语句. series.reindex() import pandas as pd import numpy as np obj = pd.Series(range(4), index=['d', 'b', 'a', 'c']) print obj d 0 b 1 a 2 c 3 dtype: int64 print obj.reinde

  • Python数据分析 Pandas Series对象操作

    Python数据分析 Pandas Series对象操作

    目录 一.Pandas Series对象 Series数据结构 创建Series对象 二.Series对象的基本操作 Series 常用属性 Series 常用方法 Series 运算 一.Pandas Series对象 Pandas 是基于 NumPy 设计实现的 Python 数据分析库,Pandas 提供了大量的能让我们高效处理数据的函数和方法,也纳入了很多数据处理的库以及一些数据模型,可以说非常强大. 可以使用以下命令进行安装: conda install pandas # 或 pip

  • Python Panda中索引和选择 series 的数据

    Python Panda中索引和选择 series 的数据

    前言: pandas 中的索引意味着只需从系列中选择特定数据.索引可能意味着选择所有数据,其中一些数据来自特定列.索引也可以称为子集选择. 使用索引运算符索引系列[]:索引运算符用于引用对象后面的方括号.和索引器.loc还.iloc使用索引运算符进行选择.在这个索引运算符中要引用 df[ ]. # importing pandas module import pandas as pd # 制作数据框 df = pd.read_csv("nba.csv") ser = pd.Series

  • python-pandas创建Series数据类型的操作

    python-pandas创建Series数据类型的操作

    1.什么是pandas 2.查看pandas版本信息 print(pd.__version__) 输出: 0.24.1 3.常见数据类型 常见的数据类型: - 一维: Series - 二维: DataFrame - 三维: Panel - - 四维: Panel4D - - N维: PanelND - 4.pandas创建Series数据类型对象 1). 通过列表创建Series对象 array = ["粉条", "粉丝", "粉带"] # 如

  • Python Pandas学习之series的二元运算详解

    Python Pandas学习之series的二元运算详解

    目录 二元运算 series 的二元运算 series 上的二元运算方法 二元运算 二元运算是指由两个元素形成第三个元素的一种规则,例如数的加法及乘法;更一般地,由两个集合形成第三个集合的产生方法或构成规则称为二次运算. 二元运算(Binary operation)作用于两个对象的运算.如任意二数相加或相乘而得另一数:任意二集合相交或相并而得另一集合:任意一个多行矩阵与一个多列矩阵相乘而得另一矩阵:任意二函数合成而为另一函数,以上加.乘.交.并,积及合成均属二元运算  . series 的二元运

  • Python3.5 Pandas模块之Series用法实例分析

    本文实例讲述了Python3.5 Pandas模块之Series用法.分享给大家供大家参考,具体如下: 1.Pandas模块引入与基本数据结构 2.Series的创建 #!/usr/bin/env python # -*- coding:utf-8 -*- # Author:ZhengzhengLiu #模块引入 import numpy as np import pandas as pd from pandas import Series,DataFrame #1.Series通过numpy一

  • 使用python计算方差方式——pandas.series.std()

    目录 如何计算方差 Python计算方差.标准差 方差.标准差 1.方差 2.标准差 如何计算方差 简单展示一下pandas里怎么计算方差: 官方文档: def def_std(df):   for ix,row in df.iterrows():     std = row.std()     df.loc[ix,"std"] = std   return df Python计算方差.标准差 方差.标准差 1.离散程度的测度值之一 2.最常用的测度值 3.反应了数据的分布 4.反应了

  • Python Pandas教程之series 上的转换操作

    Python Pandas教程之series 上的转换操作

    前言: 在转换操作中,我们执行各种操作,例如更改系列的数据类型,将系列更改为列表等.为了执行转换操作,我们有各种有助于转换的功能,例如.astype()等.tolist(). 代码#1: # 使用 astype 转换 series 数据类型的 Python 程序 # importing pandas module import pandas as pd # 从 url 读取 csv 文件 data = pd.read_csv("nba.csv") # 删除空值列以避免错误 data.d

  • Python基础教程之if判断,while循环,循环嵌套

    if判断 判断的定义 如果条件满足,就做一件事:条件不满足,就做另一件事:  判断语句又被称为分支语句,有判断,才有分支: if判断语句基本语法 if语句格式: if 判断的条件:     条件成立后做的事     ... ... 代码缩进为一个tab键,或者四个空格,官方建议使用空格:但应注意,在python开发中,tab和空格不能混用! 判断年龄示例: # 判断是否成年,成年则可以进网吧 age = 19 if age>=18: print("你满了18岁,可以进网吧") i

  • Python GUI教程之在PyQt5中使用数据库的方法

    Python GUI教程之在PyQt5中使用数据库的方法

    目录 PyQt5的SQL数据库支持 在PyQt5中简单使用数据库 创建一个UI界面 连接一个数据库 在UI界面查看和修改数据 添加和删除数据 在桌面图像化界面编程中,我们通常需要将一些数据或配置信息存储在本地.在本地进行数据的存储,我们可以直接使用文本文件,比如ini文件.csv文件.json文件等,或者是使用文件型的数据库(比如sqlit3)进行存储. PyQt5的SQL数据库支持 Qt平台对SQL编程有着良好的支持,PyQt5也一并继承了过来.在PyQt5中,QtSql子模块提供对SQL数据

  • Python基础教程之pip的安装和卸载

    Python基础教程之pip的安装和卸载

    目录 一.pip的安装: 二.pip的卸载: 三.列出已安装的版本 1.pip list 2.pip freeze 四.换源安装 总结 一.pip的安装: win+R出现一下界面 然后输入cmd点击确定,出现以下界面,就可进行下载 以下是两种下载方法 1.普通安装:pip install 模板名 2.指定版本安装:pip install 模板名==版本 二.pip的卸载: pip uninstall 模板名 出现此界面,输入y确定卸载,输入n取消卸载 出现Successfully即卸载成功 三.

  • python 安装教程之Pycharm安装及配置字体主题,换行,自动更新

    下载 下面提供两种下载地址,官网地址一般为最新的,网盘地址会定期更新,但是不保证一定是最新的 官网下载地址:https://www.jetbrains.com/pycharm/download/download-thanks.html?platform=windows 百度网盘地址: https://pan.baidu.com/s/1EhtY5PD3XagJ-nTw8IX8Vw 提取码: z8ej 安装 1.双击 exe 安装 2.自定义安装路径 2.配置 3.添加到开始菜单里 可以选择放在其他

  • K8ssandra入门教程之Linux上部署K8ssandra到Kubernetes的过程

    K8ssandra入门教程之Linux上部署K8ssandra到Kubernetes的过程

    目录 1 什么是K8ssandra 2 安装K8ssandra 2.1 安装Kubenetes 2.2 安装helm3 2.3 用Helm安装K8ssandra 2.4 增加节点 3 查看监控 4 总结 1 什么是K8ssandra Cassandra是一款非常优秀的开源的分布式NoSQL数据库,被许多优秀的大公司采用,具有高可用.弹性扩展.性能好等特点. 正应Cassandra的优势,我们经常需要在云上服务使用,则需要部署Cassandra到K8s上,这就有了K8ssandra.K8ssand

  • Python基础教程之pytest参数化详解

    Python基础教程之pytest参数化详解

    目录 前言 源代码分析 装饰测试类 装饰测试函数 单个数据 一组数据 组合数据 标记用例 嵌套字典 增加测试结果可读性 总结 前言 上篇博文介绍过,pytest是目前比较成熟功能齐全的测试框架,使用率肯定也不断攀升.在实际 工作中,许多测试用例都是类似的重复,一个个写最后代码会显得很冗余.这里,我们来了解一下 @pytest.mark.parametrize装饰器,可以很好的解决上述问题. 源代码分析 def parametrize(self,argnames, argvalues, indir

  • python爬虫教程之bs4解析和xpath解析详解

    目录 bs4解析 原理: 如何实例化BeautifulSoup对象: 用于数据解析的方法和属性: xpath解析 xpath解析原理: 实例化一个etree对象: xpath(‘xpath表达式’) 总结 bs4解析 原理: 1.实例化一个BeautifulSoup对象,并且将页面源码数据加载到该对象中 2.通过调用BeautifulSoup对象中相关的属性或者方法进行标签定位和数据提取 如何实例化BeautifulSoup对象: from bs4 import BeautifulSoup Be

随机推荐