跳转至

Pandas核心语法[2]

1. Series 的基本功能

本节，我们将介绍Series的一些数据的基本操作方法。后续将会深入地挖掘pandas在数据分析和处理方面的功能。

1.1. 重建索引

重建索引是通过 reindex() 方法实现的，它允许用户根据新的索引标签对 Series 进行重排或填充。如果新索引标签在原 Series 中不存在，默认会用 NaN 填充。

参数 描述 默认值
index 新的索引标签列表，可以是 Index 实例或其他序列型数据结构。 None
method 填充缺失值的方法，可选值包括：'backfill'/'bfill'（后向填充）、'pad'/'ffill'（前向填充）、'nearest'（最近填充）。 None
fill_value 用于填充缺失值的默认值。 NaN
limit 使用填充方法时的最大填充距离。 None
tolerance 最大容差，超出此范围则不填充。 None
level 如果索引是 MultiIndex，则指定使用哪一级别进行重新索引。 None
copy 如果为 True，即使新旧索引相同也会返回一个新的副本。 True

示例 1：基本重建索引 

1
2
3
4
5
6
7
8
s = Series([1, 2, 3], index=['a', 'b', 'c'])

# 新的索引
new_index = ['a', 'b', 'c', 'd']

# 重建索引
s_reindexed = s.reindex(new_index, fill_value=0)
print(s_reindexed)

50%

示例 2：使用填充方法 对于时间序列这样的有序数据，重建索引时可能需要做一些插值或填值处理。method选项可以达到此目的，例如使用ffill可以实现前向填充。 

1
2
3
# 使用前向填充
s_reindexed = s.reindex(new_index, method='ffill')
print(s_reindexed)

50%

示例 3：指定填充值 

1
2
3
# 指定填充值为 -1
s_reindexed = s.reindex(new_index, fill_value=-1)
print(s_reindexed)

50%

1.2. 删除指定轴上的项

在 Pandas 中，Series 删除指定轴上的项可以通过 drop() 方法实现。Series 是一维数据结构，因此删除操作通常是针对索引（行）进行的。

drop() 方法用于删除指定的索引标签，并返回一个新的 Series，不会修改原对象。其语法如下：

1
Series.drop(labels, axis=0, inplace=False, errors='raise')
  • labels: 要删除的索引标签，可以是单个标签或标签列表。
  • axis: 指定操作的轴，对于 Series 只能是 0（默认值），表示删除行。
  • inplace: 如果为 True，则直接在原对象上修改，不返回新对象。
  • errors: 如果指定标签不存在，raise 会抛出错误，ignore 会忽略错误。
1
2
3
4
5
6
7
obj = Series(np.arange(5.),index=["a","b","c","d","e"])
print(obj)

new_obj = obj.drop("c")
print(new_obj)

print(obj.drop(["d","c"]))

1.3. 索引、选取和过滤

[索引选取] Series索引的工作方式类似于Numpy数组的索引，只不过Series的索引值可以不仅仅是整数：

1
2
3
s = Series([10, 20, 30, 40], index=['a', 'b', 'c', 'd'])
print(s['b'])
print(s[['a', 'c']])  # 输出：a 10, c 30

Series 的选取可以通过以下方式实现： - 基本选取：使用 [] 运算符。 - 属性选取：使用 . 运算符（仅适用于标签为合法变量名的情况）。 - iloc 和 loc：分别用于位置索引和标签索引。

1
2
3
4
5
# iloc 选取
print(s.iloc[1])  # 输出：20

# loc 选取
print(s.loc['b'])  # 输出：20

[索引过滤] Series 的过滤可以通过以下方式实现：

  • 布尔索引：使用布尔条件筛选数据。
  • 条件表达式：结合条件表达式进行过滤。
  • isin() 方法：筛选值是否在指定列表中。
  • where() 和 mask() 方法：根据条件替换或保留数据。
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
# 布尔索引
print(s[s > 20])  # 输出：c 30, d 40

# 条件表达式
print(s[s % 20 == 0])  # 输出：b 20, d 40

# isin() 方法
print(s[s.isin([10, 30])])  # 输出：a 10, c 30

# where() 方法
print(s.where(s > 20, -1))  # 输出：a -1, b -1, c 30, d 40

# mask() 方法
print(s.mask(s > 20, -1))  # 输出：a 10, b 20, c -1, d -1

1.4. 算数运算和数据对齐

1
2
3
4
5
6
7
# 创建两个具有不同索引的 Series
s1 = Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = Series([4, 5, 6], index=['b', 'c', 'd'])

# 自动对齐索引并相加
result = s1 + s2
print(result)

50%

如果你使用过数据库，可以认为这类似于join操作。

如果不想得到 NaN，可以使用 fill_value 参数指定一个默认值来填充缺失的索引：

1
2
result = s1.add(s2, fill_value=0)
print(result)

Notes

pandas 的isnull和notnull函数可以用于检测缺失数据，不妨来试一试！

1.5. 排序和排名

Series 的排序可以通过以下两种方式实现：(1) 按索引排序：使用 sort_index() 方法。(2) 按值排序：使用 sort_values() 方法。

[按索引排序] sort_index() 方法用于对 Series 的索引进行排序。默认情况下，索引按升序排列。

1
2
3
4
5
6
7
s = Series([4, 1, 2, 3], index=['d', 'a', 'c', 'b'])

# 按索引升序排序
print(s.sort_index())  # 输出：a 1, b 3, c 2, d 4

# 按索引降序排序
print(s.sort_index(ascending=False))  # 输出：d 4, c 2, b 3, a 1

参数： - ascending：是否升序排序，默认为 True。 - inplace：是否在原对象上修改，默认为 False。

[按值排序] sort_values() 方法用于对 Series 的值进行排序。默认情况下，值按升序排列。 

1
2
3
4
# 按值升序排序
print(s.sort_values())  # 输出：a 1, c 2, b 3, d 4
# 按值降序排序
print(s.sort_values(ascending=False))  # 输出：d 4, b 3, c 2, a 1

参数: - ascending：是否升序排序，默认为 True。 - inplace：是否在原对象上修改，默认为 False。 - na_position：缺失值的位置，默认为 last（排在最后）。

[排名] Series 的排名通过 rank() 方法实现，它为每个值分配一个排名，支持多种排名方式。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
s = Series([7, -5, 7, 4, 2, 0, 4])

# 默认排名（平均排名）
print(s.rank())  # 输出：0 6.5, 1 1.0, 2 6.5, 3 4.5, 4 3.0, 5 2.0, 6 4.5

# 最小排名
print(s.rank(method='min'))  # 输出：0 6.0, 1 1.0, 2 6.0, 3 4.0, 4 3.0, 5 2.0, 6 4.0

# 最大排名
print(s.rank(method='max'))  # 输出：0 7.0, 1 1.0, 2 7.0, 3 5.0, 4 3.0, 5 2.0, 6 5.0

# 按出现顺序排名
print(s.rank(method='first'))  # 输出：0 6.0, 1 1.0, 2 7.0, 3 4.0, 4 3.0, 5 2.0, 6 5.0

参数： - method：排名方法，可选值包括： - 'average'（默认）：相同值分配平均排名。 - 'min'：相同值分配最小排名。 - 'max'：相同值分配最大排名。 - 'first'：相同值按出现顺序分配排名。 - 'dense'：相同值分配相同排名，且排名不跳跃。 - ascending：是否升序排名，默认为 True。 - na_option：缺失值的处理方式，可选 'keep'（保留）、'top'（排在最前）、'bottom'（排在最后）。

1.6. 带有重复标签的轴索引

直到目前为止，几乎所有示例的轴标签（索引值）都是唯一的。虽然许多pandas函数（如reindex）都要求标签唯一，但这并不是强制性的。观察下面这个带有重复索引值的Series： 

1
2
obj = Series(np.arange(5),index=["a","a","b","b","c"])
obj

50%

索引的is_unique属性可以告诉我们索引值是否唯一： 

1
obj.index.is_unique  # False

对于带有重复值的索引，数据选取操作将会有些不同。如果某个标签对应多个项，则返回Series；如果对应于单个项，则返回标量值：

1
2
print(obj["a"])
print(obj["c"])

50%