Pandas Series和向量的区别

Pandas是一个广泛应用的开源Python库，提供了广泛的功能，使数据分析更加有效。Pandas包主要用于预处理数据活动，包括清洗、转换和操作数据。因此，它是分析员和数据科学家的非常有用的工具。本文讨论了Pandas中最流行的两种数据结构——Series和DataFrame，以及Series和向量的比较。

Python Pandas Series

在Python Pandas库中，Series是一个一维的带标签的数组，可以包含任何数据类型。它类似于电子表格中的一列或R中的数据框。通过将值的列表传递给pd.Series()函数来创建一个Series，并且可以使用索引或标签来访问它。

标签必须是可哈希的类型，但不需要是唯一的。该对象具有许多用于处理索引的方法，并支持基于整数和标签的索引。

它具有以下参数 −

Data − 任何列表、字典或标量值都可以用作数据。
index − 索引的值应该是唯一的且可哈希的。它的大小必须与数据相同。如果没有提供索引，默认情况下将使用np.arrange(n)。
Dtype − 它指的是Series的数据类型。
copy − 它用于复制数据。

创建一个Series

我们可以通过四种方法创建一个Series −

使用Pandas库中的pd.Series函数

import pandas as pd
import numpy as np
# Create a series from a list
s = pd.Series([1, 3, 5, np.nan, 6, 8])
print(s)

输出

0    1.0
1    3.0
2    5.0
3    NaN
4    6.0
5    8.0
dtype: float64

这将创建一个Pandas Series，其中包含值1、3、5、NaN、6、8。

从NumPy数组直接创建Series

import numpy as np
import pandas as pd
# Create a NumPy array
data = np.array([1, 3, 5, np.nan, 6, 8])
# Create a series from the array
s = pd.Series(data)
print(s)

输出

0    1.0
1    3.0
2    5.0
3    NaN
4    6.0
5    8.0
dtype: float64

这两种方法都会创建一个Pandas序列，其索引是从0开始的一系列整数。您还可以在创建序列时指定自己的索引值。

使用标量值创建序列

使用标量值创建序列是我们今天要研究的最后一种方法。在这种情况下，您可以提供一个单个值的数据，并在整个索引期间将其重复。

示例

import pandas as pd
if __name__ == '__main__':
   series = pd.Series(data=3.,
      index=['a', 'b', 'c', 'd'],
      name='series_from_scalar')
   print(series)

输出

a    3.0
b    3.0
c    3.0
d    3.0
Name: series_from_scalar, dtype: float64

从ndarray创建Series

NumPy的random.randint()函数可以创建一个填充有随机数字的ndarray，它是创建Series的最简单方法之一。

示例

import numpy as np
import pandas as pd
if __name__ == '__main__':
   data = np.random.randint(0, 10, 5)
   series = pd.Series(data=data,
      index=['a', 'b', 'c', 'd', 'e'],
      name='series_from_ndarray')
   print(series)

输出

a    5
b    7
c    0
d    8
e    5
Name: series_from_ndarray, dtype: int64

数据帧

另一方面，向量是一个一维的数字值数组。在Pandas中，向量可以表示为具有单个数据类型（例如整数、浮点数或对象）的系列。向量通常用于数学和统计操作，并可使用pd.to_numeric()函数或从数据帧中选择单个列来创建。

使用pd，您可以从多个数据源（包括字典、2D NumPy数组和系列）生成数据帧。使用Pandas系列字典创建Pandas数据帧

索引的长度必须与系列相同。如果未指定索引，将自动创建一个索引，其值为：[0，…，len(data) – 1]。

#Creating a DataFrame from a dictionary of Series
import pandas as pd
data = pd.DataFrame({
   "Class 1": pd.Series([22, 33, 38], index=["math avg", "science avg",  "english avg"]),
   "Class 2": pd.Series([45, 28, 36], index=["math avg", "science avg",  "english avg"]),
   "Class 3": pd.Series([32, 41, 47], index=["math avg", "science avg",  "english avg"])
})

print(data)

输出

Class 1  Class 2  Class 3
math avg          22       45       32
science avg       33       28       41
english avg       38       36       47

以下是Python Pandas中序列和数据帧之间差异的结论。	DataFrame	Series
数据结构	2D表格	1D数组
可包含异构数据	是	是
可包含列标签	是	否
可包含行标签	是	否
可通过列或行标签索引	是	是
可通过列或行标签切片	是	是
支持算术运算	是	是
支持算术运算	是	是