Serie mit Pandas-Datenanalyse

1. Tool-Vorbereitung

Ein gutes Tool zur Datenanalyse: Anaconda. Dieses Tutorial verwendet das Anaconda3-Jupyter-Tool im Win10-System, das im Browser ausgeführt wird.

1. Download-URL: https://www.anaconda.com/

2. Startmethode

• Startmenü, öffnen Sie das Befehlszeilenfenster der Anaconda-Eingabeaufforderung

• Geben Sie das Verzeichnis ein, in dem sich das Projekt befindet befindet sich, legen Sie das Verzeichnis selbst fest

• Verwenden Sie den Befehl Jupyter Notebook, um den Browser zu öffnen

2. Serientyp

Sobald der Index erstellt wurde, können die darin enthaltenen Werte nicht mehr geändert werden Individuell

1. Code-Ergebnis:

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

• 2. Holen Sie sich die Sequenz der Serie

  0     张三
  1     李四
  2    王老五
  dtype: object

Das Ergebnis des obigen Codes:

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

3. Holen Sie sich den Wert der Serie

• 张三    20
  李四    25
  王五    21
  dtype: int64

  Das Ergebnis des obigen Codes:

  print(series2.index)

4. Erhalten Sie das Ergebnis eines bestimmten Werts

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

Das Ergebnis des obigen Codes:

print(series2.values)

Die beiden oben genannten Werte der Reihe können mit einer der Methoden erhalten werden

5 Zeitindex

[20 25 21]

Perioden: unterteilt in mehrere Intervalle

Häufigkeit: unterteilt nach Jahr, Monat, Tag, Woche, Uhrzeit usw.

6. Zeitintervallindex

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

Das Ergebnis des obigen Codes:

25
21

• Der Wert der Einheit kann durch Y, W, H usw. ersetzt werden.

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

Das obige ist der detaillierte Inhalt vonSerie mit Pandas-Datenanalyse. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!