第144集：Pandas Series

一、Pandas简介

Pandas是Python中用于数据处理和分析的强大库，它提供了灵活且高效的数据结构，使得数据处理变得简单直观。Pandas的核心数据结构包括：

  • Series：一维带标签的数组
  • DataFrame：二维带标签的表格数据结构

本集我们将重点学习Pandas Series的基本概念和操作。

二、什么是Series

Series是Pandas中最基本的数据结构之一，它是一个一维带标签的数组，可以存储任意数据类型（整数、浮点数、字符串、布尔值等）。

Series的特点：

  1. 带标签：每个元素都有一个标签（索引）
  2. 异质数据：可以包含不同类型的数据
  3. 强大的索引：支持多种索引方式
  4. 缺失值处理：内置对缺失值的处理机制
  5. 丰富的操作：提供大量的统计和数据处理方法

三、创建Series

1. 从列表创建

import pandas as pd

# 从列表创建Series
data = [1, 2, 3, 4, 5]
s = pd.Series(data)
print(s)

# 输出：
# 0    1
# 1    2
# 2    3
# 3    4
# 4    5
# dtype: int64

2. 指定索引

# 指定索引
index = ['a', 'b', 'c', 'd', 'e']
s = pd.Series(data, index=index)
print(s)

# 输出：
# a    1
# b    2
# c    3
# d    4
# e    5
# dtype: int64

3. 从字典创建

# 从字典创建Series
data = {'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5}
s = pd.Series(data)
print(s)

# 输出：
# a    1
# b    2
# c    3
# d    4
# e    5
# dtype: int64

4. 从标量值创建

# 从标量值创建Series
s = pd.Series(5, index=['a', 'b', 'c', 'd', 'e'])
print(s)

# 输出：
# a    5
# b    5
# c    5
# d    5
# e    5
# dtype: int64

5. 从NumPy数组创建

import numpy as np

# 从NumPy数组创建Series
arr = np.array([1, 2, 3, 4, 5])
s = pd.Series(arr)
print(s)

# 输出：
# 0    1
# 1    2
# 2    3
# 3    4
# 4    5
# dtype: int64

四、Series的属性

Series具有多种属性，可以帮助我们了解Series的基本信息：

1. values：获取Series的值

s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])
print(s.values)
# 输出：[1 2 3 4 5]

2. index：获取Series的索引

print(s.index)
# 输出：Index(['a', 'b', 'c', 'd', 'e'], dtype='object')

3. dtype：获取Series的数据类型

print(s.dtype)
# 输出：int64

4. shape：获取Series的形状

print(s.shape)
# 输出：(5,)

5. size：获取Series的元素数量

print(s.size)
# 输出：5

6. ndim：获取Series的维度

print(s.ndim)
# 输出：1

7. empty：检查Series是否为空

print(s.empty)
# 输出：False

五、Series的索引和切片

1. 基于标签的索引（标签索引）

s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])

# 单个标签索引
print(s['a'])
# 输出：1

# 多个标签索引
print(s[['a', 'c', 'e']])
# 输出：
# a    1
# c    3
# e    5
# dtype: int64

2. 基于位置的索引（位置索引）

# 使用iloc属性进行位置索引
s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])

# 单个位置索引
print(s.iloc[0])
# 输出：1

# 多个位置索引
print(s.iloc[[0, 2, 4]])
# 输出：
# a    1
# c    3
# e    5
# dtype: int64

3. 切片操作

# 基于标签的切片（包含end）
s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])
print(s['a':'c'])
# 输出：
# a    1
# b    2
# c    3
# dtype: int64

# 基于位置的切片（不包含end）
print(s.iloc[0:3])
# 输出：
# a    1
# b    2
# c    3
# dtype: int64

六、Series的基本操作

1. 算术运算

Series支持所有基本的算术运算，运算时会自动对齐索引：

s1 = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])
s2 = pd.Series([5, 4, 3, 2, 1], index=['a', 'b', 'c', 'd', 'e'])

# 加法
print(s1 + s2)
# 输出：
# a    6
# b    6
# c    6
# d    6
# e    6
# dtype: int64

# 减法
print(s1 - s2)
# 输出：
# a   -4
# b   -2
# c    0
# d    2
# e    4
# dtype: int64

# 乘法
print(s1 * s2)
# 输出：
# a    5
# b    8
# c    9
# d    8
# e    5
# dtype: int64

# 除法
print(s1 / s2)
# 输出：
# a    0.2
# b    0.5
# c    1.0
# d    2.0
# e    5.0
# dtype: float64

2. 比较运算

s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])

print(s > 3)
# 输出：
# a    False
# b    False
# c    False
# d     True
# e     True
# dtype: bool

print(s == 3)
# 输出：
# a    False
# b    False
# c     True
# d    False
# e    False
# dtype: bool

3. 逻辑运算

s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])

# 使用&（与）、|（或）、~（非）进行逻辑运算
print((s > 2) & (s < 5))
# 输出：
# a    False
# b    False
# c     True
# d     True
# e    False
# dtype: bool

print((s < 2) | (s > 4))
# 输出：
# a     True
# b    False
# c    False
# d    False
# e     True
# dtype: bool

七、Series的统计功能

Pandas Series提供了丰富的统计方法：

1. 基本统计量

s = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

print(f"求和：{s.sum()}")
print(f"平均值：{s.mean()}")
print(f"中位数：{s.median()}")
print(f"最大值：{s.max()}")
print(f"最小值：{s.min()}")
print(f"标准差：{s.std()}")
print(f"方差：{s.var()}")
print(f"计数：{s.count()}")
print(f"25%分位数：{s.quantile(0.25)}")
print(f"50%分位数：{s.quantile(0.5)}")
print(f"75%分位数：{s.quantile(0.75)}")

# 输出：
# 求和：55
# 平均值：5.5
# 中位数：5.5
# 最大值：10
# 最小值：1
# 标准差：3.0276503540974917
# 方差：9.166666666666666
# 计数：10
# 25%分位数：3.25
# 50%分位数：5.5
# 75%分位数：7.75

2. 累计统计

s = pd.Series([1, 2, 3, 4, 5])

print(f"累计和：{s.cumsum()}")
print(f"累计积：{s.cumprod()}")
print(f"累计最大值：{s.cummax()}")
print(f"累计最小值：{s.cummin()}")

# 输出：
# 累计和：0    1
# 1    3
# 2    6
# 3   10
# 4   15
# dtype: int64
# 累计积：0     1
# 1     2
# 2     6
# 3    24
# 4   120
# dtype: int64
# 累计最大值：0    1
# 1    2
# 2    3
# 3    4
# 4    5
# dtype: int64
# 累计最小值：0    1
# 1    1
# 2    1
# 3    1
# 4    1
# dtype: int64

3. 描述性统计

s = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
print(s.describe())

# 输出：
# count    10.000000
# mean      5.500000
# std       3.027650
# min       1.000000
# 25%       3.250000
# 50%       5.500000
# 75%       7.750000
# max      10.000000
# dtype: float64

八、Series的缺失值处理

在实际数据中，经常会遇到缺失值。Pandas提供了处理缺失值的方法：

1. 检查缺失值

s = pd.Series([1, 2, None, 4, 5, None], index=['a', 'b', 'c', 'd', 'e', 'f'])

print(s.isnull())
# 输出：
# a    False
# b    False
# c     True
# d    False
# e    False
# f     True
# dtype: bool

print(s.notnull())
# 输出：
# a     True
# b     True
# c    False
# d     True
# e     True
# f    False
# dtype: bool

2. 过滤缺失值

# 使用dropna()方法过滤缺失值
print(s.dropna())
# 输出：
# a    1.0
# b    2.0
# d    4.0
# e    5.0
# dtype: float64

# 使用布尔索引过滤缺失值
print(s[s.notnull()])
# 输出：
# a    1.0
# b    2.0
# d    4.0
# e    5.0
# dtype: float64

3. 填充缺失值

# 使用fillna()方法填充缺失值

# 用固定值填充
print(s.fillna(0))
# 输出：
# a    1.0
# b    2.0
# c    0.0
# d    4.0
# e    5.0
# f    0.0
# dtype: float64

# 用前一个值填充（向前填充）
print(s.fillna(method='ffill'))
# 输出：
# a    1.0
# b    2.0
# c    2.0
# d    4.0
# e    5.0
# f    5.0
# dtype: float64

# 用后一个值填充（向后填充）
print(s.fillna(method='bfill'))
# 输出：
# a    1.0
# b    2.0
# c    4.0
# d    4.0
# e    5.0
# f    NaN
# dtype: float64

# 用平均值填充
print(s.fillna(s.mean()))
# 输出：
# a    1.0
# b    2.0
# c    3.0
# d    4.0
# e    5.0
# f    3.0
# dtype: float64

九、Series的其他操作

1. 修改索引

s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])

# 直接修改索引
new_index = ['A', 'B', 'C', 'D', 'E']
s.index = new_index
print(s)
# 输出：
# A    1
# B    2
# C    3
# D    4
# E    5
# dtype: int64

# 使用rename()方法修改索引
# 可以传入一个字典来部分修改索引
s = s.rename({'A': 'a', 'B': 'b'})
print(s)
# 输出：
# a    1
# b    2
# C    3
# D    4
# E    5
# dtype: int64

2. 排序

s = pd.Series([3, 1, 4, 1, 5, 9, 2, 6], index=['c', 'a', 'd', 'a', 'e', 'i', 'b', 'f'])

# 按值排序
print(s.sort_values())
# 输出：
# a    1
# a    1
# b    2
# c    3
# d    4
# e    5
# f    6
# i    9
# dtype: int64

# 按索引排序
print(s.sort_index())
# 输出：
# a    1
# a    1
# b    2
# c    3
# d    4
# e    5
# f    6
# i    9
# dtype: int64

3. 唯一值

s = pd.Series([1, 2, 2, 3, 3, 3, 4, 4, 4, 4])

print(s.unique())
# 输出：[1 2 3 4]

print(s.nunique())
# 输出：4

# 计算每个值的出现次数
print(s.value_counts())
# 输出：
# 4    4
# 3    3
# 2    2
# 1    1
# dtype: int64

4. 应用函数

s = pd.Series([1, 2, 3, 4, 5])

# 使用apply()方法应用函数
doubled = s.apply(lambda x: x * 2)
print(doubled)
# 输出：
# 0     2
# 1     4
# 2     6
# 3     8
# 4    10
# dtype: int64

# 使用map()方法映射值
mapped = s.map({1: 'one', 2: 'two', 3: 'three', 4: 'four', 5: 'five'})
print(mapped)
# 输出：
# 0      one
# 1      two
# 2    three
# 3     four
# 4     five
# dtype: object

十、案例分析：销售数据统计

问题描述

假设有一个商店的月度销售数据，包含12个月的销售额（单位：万元）：

月份 销售额
一月 25
二月 30
三月 35
四月 28
五月 32
六月 36
七月 38
八月 34
九月 40
十月 42
十一月 45
十二月 50

请使用Pandas Series分析这些数据：

  1. 计算年度总销售额
  2. 计算月平均销售额
  3. 找出销售额最高和最低的月份
  4. 计算销售额超过35万元的月份
  5. 计算销售额的标准差

解决方案

import pandas as pd

# 创建销售数据Series
months = ['一月', '二月', '三月', '四月', '五月', '六月', '七月', '八月', '九月', '十月', '十一月', '十二月']
sales = [25, 30, 35, 28, 32, 36, 38, 34, 40, 42, 45, 50]

sales_series = pd.Series(sales, index=months)
print("月度销售数据：")
print(sales_series)
print()

# 1. 年度总销售额
total_sales = sales_series.sum()
print(f"1. 年度总销售额：{total_sales}万元")

# 2. 月平均销售额
avg_sales = sales_series.mean()
print(f"2. 月平均销售额：{avg_sales:.2f}万元")

# 3. 销售额最高和最低的月份
highest_month = sales_series.idxmax()
highest_sales = sales_series.max()
lowest_month = sales_series.idxmin()
lowest_sales = sales_series.min()
print(f"3. 销售额最高的月份：{highest_month}，销售额：{highest_sales}万元")
print(f"   销售额最低的月份：{lowest_month}，销售额：{lowest_sales}万元")

# 4. 销售额超过35万元的月份
high_sales_months = sales_series[sales_series > 35]
print(f"4. 销售额超过35万元的月份：")
print(high_sales_months)

# 5. 销售额的标准差
std_sales = sales_series.std()
print(f"5. 销售额的标准差：{std_sales:.2f}万元")

# 6. 计算月度销售额的增长率
print(f"6. 月度销售额增长率：")
growth_rate = sales_series.pct_change() * 100
print(growth_rate.round(2))

输出结果

月度销售数据：
一月     25
二月     30
三月     35
四月     28
五月     32
六月     36
七月     38
八月     34
九月     40
十月     42
十一月    45
十二月    50
dtype: int64

1. 年度总销售额：435万元
2. 月平均销售额：36.25万元
3. 销售额最高的月份：十二月，销售额：50万元
   销售额最低的月份：一月，销售额：25万元
4. 销售额超过35万元的月份：
六月     36
七月     38
九月     40
十月     42
十一月    45
十二月    50
dtype: int64
5. 销售额的标准差：7.33万元
6. 月度销售额增长率：
一月      NaN
二月     20.00
三月     16.67
四月    -20.00
五月     14.29
六月     12.50
七月      5.56
八月    -10.53
九月     17.65
十月      5.00
十一月     7.14
十二月    11.11
dtype: float64

十一、总结

本节课我们学习了Pandas Series的基本概念和操作：

  1. Series的创建：从列表、字典、标量、NumPy数组等创建Series
  2. Series的属性：values、index、dtype、shape、size等
  3. Series的索引和切片：基于标签和位置的索引方式
  4. Series的基本操作：算术运算、比较运算、逻辑运算
  5. Series的统计功能：求和、平均值、中位数、标准差等
  6. Series的缺失值处理：检查、过滤、填充缺失值
  7. Series的其他操作：修改索引、排序、唯一值、应用函数
  8. 实际应用案例：销售数据统计分析

Series是Pandas的基础数据结构，掌握Series的操作对于学习Pandas DataFrame和数据分析非常重要。下一节课，我们将学习Pandas的另一个核心数据结构——DataFrame。

十二、练习

  1. 创建一个Series，包含10个随机整数（范围1-100），并使用字母作为索引

  2. 对上述Series进行以下操作：

    • 计算最大值、最小值、平均值和标准差
    • 找出大于50的值
    • 按值降序排序
    • 计算累计和

  3. 创建一个包含缺失值的Series，并进行以下操作：

    • 检查缺失值
    • 使用前一个值填充缺失值
    • 使用平均值填充缺失值

  4. 假设有一周的天气数据（摄氏度）：

    • 周一：22
    • 周二：25
    • 周三：23
    • 周四：24
    • 周五：26
    • 周六：28
    • 周日：27

    使用Series分析这些数据：

    • 计算平均温度
    • 找出最高温度的日期
    • 计算温度的变化率
    • 将温度转换为华氏度（华氏度 = 摄氏度 × 9/5 + 32）

扩展阅读

« 上一篇 NumPy数组操作 下一篇 » Pandas DataFrame
↑