Pandas中Series的创建及数据类型转换
目录
- 一、实战场景
- 二、主要知识点
- 三、菜鸟实战
- 1、创建 python 文件，用Numpy创建Series
- 2、转换Series的数据类型
- 四、补充
- 1、创建 python 文件，数据list，变成Pandas的Series对象
- 2、数据dict变成Pandas的Series对象
- 3、把Pandas的Series对象变成数据list
一、实战场景
实战场景：Pandas中Series的创建和数据类型转换，Series的创建和数据类型转换，Series 类似于一维数组与字典(map)数据结构的结合,由索引和数据组成。
二、主要知识点
- 文件读写
- 基础语法
- Pandas的Series对象
- DataFrame
- Pandas
- numpy
三、菜鸟实战
1、创建 python 文件，用Numpy创建Series
#用Numpy创建Series import numpy as np import pandas as pd s = pd.Series( np.arange(10, 100, 10), # 数值：10~90，间隔10 index=np.arange(101, 110), # 索引：101~109，间隔1，不包含最后一个数字 dtype='float' # 类型：float64 ) print(s)
运行结果：
101 10.0
102 20.0
103 30.0
104 40.0
105 50.0
106 60.0
107 70.0
108 80.0
109 90.0
dtype: float64
2、转换Series的数据类型
#转换Series的数据类型
import pandas as pd
s = pd.Series( data=["001", "002", "003", "004"], index=list("abcd")
)
# s = s.astype(int) 两种方法
s = s.map(int) #int是函数
print(s)
运行结果：
a 1
b 2
c 3
d 4
dtype: int64
四、补充
实战场景：
实战场景：Pandas中Series与数据list如何互相转换，Pandas的Series对象变成数据list，Series 类似于一维数组与字典(map)数据结构的结合,由索引和数据组成
主要知识点：
- 文件读写 基础语法
- Pandas
- Pandas的Series对象
- 互相转换
实战：
1、创建 python 文件，数据list，变成Pandas的Series对象
#使用Pandas #把数据list，变成Pandas的Series对象 #把Series输出到命令行 import pandas as pd #引入pandas包 courses = ["张三", "李四", "赵五", "李六"] #初始化对象 data = pd.Series(data=courses) #Series本身有一个参数 print(data)
运行结果 ：
0 张三
1 李四
2 赵五
3 李六
2、数据dict变成Pandas的Series对象
#使用Pandas
#把数据dict，变成Pandas的Series对象
#把Series输出到命令行
import pandas as pd
grades = {"语文": 80, "数学": 90, "英语": 85, "计算机": 100}
data = pd.Series(data=grades)
print(data)
运行结果 ：
语文 80
数学 90
英语 85
计算机 100
3、把Pandas的Series对象变成数据list
#使用Pandas
#把Pandas的Series对象变成数据list
#把list输出到命令行
import pandas as pd
grades = {"语文": 80, "数学": 90, "英语": 85, "计算机": 100}
data = pd.Series(data=grades)
numbers = data.tolist() #Series的值转换成list
print(numbers)
运行结果 ：
[80, 90, 85, 100]
到此这篇关于Pandas中Series的创建及数据类型转换的文章就介绍到这了,更多相关Pandas 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！
相关推荐
-
Pandas中Series的创建及数据类型转换
目录 一.实战场景 二.主要知识点 三.菜鸟实战 1.创建 python 文件,用Numpy创建Series 2.转换Series的数据类型 四.补充 1.创建 python 文件,数据list,变成Pandas的Series对象 2.数据dict变成Pandas的Series对象 3.把Pandas的Series对象变成数据list 一.实战场景 实战场景:Pandas中Series的创建和数据类型转换,Series的创建和数据类型转换,Series 类似于一维数组与字典(map)数据结构的结
-
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
-
Pandas数据结构详细说明及如何创建Series，DataFrame对象方法
目录 1. Pandas的两种数据类型 2. Series类型 通过numpy array 通过Python字典 通过标量值(Scalar) name属性 3. DataFrame类型 通过包含列表的Python List 通过包含Python 字典的Python List 通过Series 在网络上的Pandas教程中,很多都提到了如何使用Pandas将已有的数据(如csv,如hdfs等)直接加载成Pandas数据对象,然后在其基础上进行数据分析操作,但是,很多时候,我们需要自己创建Panda
-
pandas如何使用列表和字典创建 Series
目录 01 使用列表创建 Series 02 使用 name 参数创建 Series 03 使用简写的列表创建 Series 04 使用字典创建 Series 05 如何使用 Numpy 函数创建 Series 06 如何获取 Series 的索引和值 07 如何在创建 Series 时指定索引 08 如何获取 Series 的大小和形状 09 如何获取 Series 开始或末尾几行数据 10 使用切片获取 Series 子集 前言: Pandas 纳入了大量库和一些标准的数据模型,提供了高效地
-
pandas创建series的三种方法小结
目录 pandas创建series方法 创建方法一 Series 创建方法二 Series 创建方法三 Pandas的Series常用方法 1. 创建Series 2. Series追加 3. Series删除 4. Series改 5. Series查 pandas创建series方法 print("====创建series方法一===") dic={"a":1,"b":2,"c":3,"4":4} s=
-
Pandas中Series的属性,方法,常用操作使用案例
目录 1. Series 对象的创建 1.1 创建一个空的 Series 对象 1.2 通过列表创建一个 Series 对象 1.3 通过元组创建一个 Series 对象 1.4 通过字典创建一个 Series 对象 1.5 通过 ndarray 创建一个 Series 对象 1.6 创建 Series 对象时指定索引 1.7 通过一个标量(数)创建一个 Series 对象 2. Series 的属性 2.1 values ---- 返回一个 ndarray 数组 2.2 index ----
-
对pandas中Series的map函数详解
Series的map方法可以接受一个函数或含有映射关系的字典型对象. 使用map是一种实现元素级转换以及其他数据清理工作的便捷方式. (DataFrame中对应的是applymap()函数,当然DataFrame还有apply()函数) 1.字典映射 import pandas as pd from pandas import Series, DataFrame data = DataFrame({'food':['bacon','pulled pork','bacon','Pastrami',
-
pandas中read_sql使用参数进行数据查询的实现
目录 一.之前的处理方法 二.使用 read_sql 中的 params 传入参数 1.文档说明 2.具体的使用 三.总结对比 四.字符串的格式化 pandas.read_sql 可以在数据库中执行指定的SQL语句查询或对指定的整张表进行查询,以DataFrame 的类型返回查询结果,这是在跟数据库进行交互操作时很重要的一步——既读取数据,还返回DataFrame方便处理. 要解决的问题: 编写过的SQL语句需要重复使用,这就涉及到参数,使用参数来替换条件,然后根据需要替换参数. 一.之前的处理
-
Pandas中Series和DataFrame的索引实现
正文 在对Series对象和DataFrame对象进行索引的时候要明确这么一个概念:是使用下标进行索引,还是使用关键字进行索引.比如list进行索引的时候使用的是下标,而dict索引的时候使用的是关键字. 使用下标索引的时候下标总是从0开始的,而且索引值总是数字.而使用关键字进行索引,关键字是key里面的值,既可以是数字,也可以是字符串等. Series对象介绍: Series对象是由索引index和值values组成的,一个index对应一个value.其中index是pandas中的Inde
-
Pandas中的unique()和nunique()区别详解
Pandas中Series和DataFrame的两种数据类型中都有nunique()和unique()方法.这两个方法作用很简单,都是求Series或Pandas中的不同值.而unique()方法返回的是去重之后的不同值,而nunique()方法则直接放回不同值的个数. 具体如下: 如果Series或DataFrame中没有None值,则unique()方法返回的序列数据的长度等于nunique()方法的返回值(如上述代码中所展示的).则当Series或DataFrame中有None值时,这两个
-
浅析C#数据类型转换的几种形式
1.Convert.ToInt32(); //转换成32位的整数.2.变量.ToString();/最常见的转换成 字符串.3."订单"+2514 //后面的数字会转换为字符串.4.((类名A)对象名X) //强行将 对象X 转换成 A类 的对象.5.int.Parse(string);把字符串型转换成其他类型.6.还有,如果要转换成的类型为引用类型,还可以用 as teacher tea = teahcer();如 student stu = tea as student; (1)
-
C#如何使用Bogus创建模拟数据示例代码
原文:CREATING SAMPLE DATA FOR C# 作者:Bruno Sonnino 译文:C#中使用Bogus创建模拟数据 译者: Lamond Lu 背景 在我每次写技术类博文的时候,经常做的一件事就是创建模拟数据.在每篇博文中,为了解释某些概念,我需要创建许多模拟数据.这是一个我在实际中遇到的问题,因为我需要为我的程序找到一些合适的数据.有些时候,我会从数据库中找一些数据(Northwind和AdventureWorks都是我的好朋友^.^), 有些时候,我会使用一些现成的Jso
-
详细介绍在pandas中创建category类型数据的几种方法
在pandas中创建category类型数据的几种方法之详细攻略 T1.直接创建 category类型数据 可知,在category类型数据中,每一个元素的值要么是预设好的类型中的某一个,要么是空值(np.nan). T2.利用分箱机制(结合max.mean.min实现二分类)动态添加 category类型数据 输出结果 [NaN, 'medium', 'medium', 'fat'] Categories (2, object): ['medium', 'fat'] name ID
-
浅析Java中对象的创建与对象的数据类型转换
Java:对象创建和初始化过程 1．Java中的数据类型 Java中有3个数据类型:基本数据类型(在Java中,boolean.byte.short.int.long.char.float.double这八种是基本数据类型).引用类型和null类型.其中,引用类型包括类类型(含数组).接口类型. 下列语句声明了一些变量: int k ; A a; //a是A数据类型的对象变量名. B b1,b2,-,b10000;// 假定B是抽象类或接口. String s; 注意:从数据类型