Pandas-serien kan defineres som en endimensjonal matrise som er i stand til å lagre ulike datatyper. Vi kan enkelt konvertere listen, tuppelen og ordboken til serier ved å bruke ' serie ' metode. Radetikettene til serier kalles indeksen. En serie kan ikke inneholde flere kolonner. Den har følgende parameter:

data:Det kan være en hvilken som helst liste, ordbok eller skalarverdi.indeks:Verdien av indeksen skal være unik og hashbar. Den må ha samme lengde som data. Hvis vi ikke passerer noen indeks, standard np.arrange(n) vil bli brukt.dtype:Det refererer til datatypen for serier.kopiere:Den brukes til å kopiere dataene.

Opprette en serie:

Vi kan lage en serie på to måter:

1. Lag en tom serie
2. Lag en serie ved å bruke innganger.

Lag en tom serie:

Vi kan enkelt lage en tom serie i Pandas, noe som betyr at den ikke vil ha noen verdi.

Syntaksen som brukes for å lage en tom serie:

 = pandas.Series() 

Eksempelet nedenfor oppretter et objekt av typen Empty Series som ikke har noen verdier og som har standard datatype, dvs. flyte64 .

Eksempel

 import pandas as pd x = pd.Series() print (x) 

Produksjon

 Series([], dtype: float64) 

Opprette en serie ved å bruke innganger:

Vi kan lage serier ved å bruke ulike innganger:

• Array
• Dict
• Skalarverdi

Opprette serier fra Array:

Før vi oppretter en serie, må vi først importere nusset modul og bruk deretter array()-funksjonen i programmet. Hvis dataene er ndarray, må den beståtte indeksen være av samme lengde.

Hvis vi ikke passerer en indeks, så som standard indeks på område(n) sendes der n definerer lengden på en matrise, dvs. [0,1,2,.... range(len(array))-1 ].

Eksempel

 import pandas as pd import numpy as np info = np.array(['P','a','n','d','a','s']) a = pd.Series(info) print(a) 

Produksjon

 0 P 1 a 2 n 3 d 4 a 5 s dtype: object 

Lag en serie fra dict

Vi kan også lage en serie fra dict. Hvis ordbokobjektet sendes som en inngang og indeksen ikke er spesifisert, blir ordboknøklene tatt i sortert rekkefølge for å konstruere indeksen .

Hvis indeksen er bestått, vil verdiene som tilsvarer en bestemt etikett i indeksen trekkes ut fra ordbok .

 #import the pandas library import pandas as pd import numpy as np info = {'x' : 0., 'y' : 1., 'z' : 2.} a = pd.Series(info) print (a) 

Produksjon

konverter et java-objekt til json

 x 0.0 y 1.0 z 2.0 dtype: float64 

Lag en serie ved hjelp av skalar:

les fra csv-fil i java

Hvis vi tar skalarverdiene, må indeksen oppgis. Skalarverdien vil bli gjentatt for å matche lengden på indeksen.

 #import pandas library import pandas as pd import numpy as np x = pd.Series(4, index=[0, 1, 2, 3]) print (x) 

Produksjon

 0 4 1 4 2 4 3 4 dtype: int64 

Tilgang til data fra serier med posisjon:

Når du har opprettet serieobjektet, kan du få tilgang til indeksene, dataene og til og med individuelle elementer.

Dataene i serien kan nås på samme måte som i ndarrayen.

 import pandas as pd x = pd.Series([1,2,3],index = ['a','b','c']) #retrieve the first element print (x[0]) 

Produksjon

 1 

Serieobjektattributter

Series-attributtet er definert som all informasjon relatert til Series-objektet, for eksempel størrelse, datatype. osv. Nedenfor er noen av attributtene du kan bruke for å få informasjon om Series-objektet:

Henter indeksmatrise og datamatrise for et serieobjekt

Vi kan hente indeksmatrisen og datamatrisen til et eksisterende serieobjekt ved å bruke attributtene indeks og verdier.

 import numpy as np import pandas as pd x=pd.Series(data=[2,4,6,8]) y=pd.Series(data=[11.2,18.6,22.5], index=['a','b','c']) print(x.index) print(x.values) print(y.index) print(y.values) 

Produksjon

 RangeIndex(start=0, stop=4, step=1) [2 4 6 8] Index(['a', 'b', 'c'], dtype='object') [11.2 18.6 22.5] 

Henter typer (dtype) og størrelse på type (varestørrelse)

Du kan bruke attributtet dtype med Series-objekt som dtype for å hente datatypen til et individuelt element i et serieobjekt, du kan bruke elementstørrelse attributt for å vise antall byte som er tildelt hvert dataelement.

 import numpy as np import pandas as pd a=pd.Series(data=[1,2,3,4]) b=pd.Series(data=[4.9,8.2,5.6], index=['x','y','z']) print(a.dtype) print(a.itemsize) print(b.dtype) print(b.itemsize) 

Produksjon

 int64 8 float64 8 

Henter Shape

Formen til Series-objektet definerer totalt antall elementer inkludert manglende eller tomme verdier (NaN).

 import numpy as np import pandas as pd a=pd.Series(data=[1,2,3,4]) b=pd.Series(data=[4.9,8.2,5.6],index=['x','y','z']) print(a.shape) print(b.shape) 

Produksjon

 (4,) (3,) 

Henter dimensjon, størrelse og antall byte:

 import numpy as np import pandas as pd a=pd.Series(data=[1,2,3,4]) b=pd.Series(data=[4.9,8.2,5.6], index=['x','y','z']) print(a.ndim, b.ndim) print(a.size, b.size) print(a.nbytes, b.nbytes) 

Produksjon

 1 1 4 3 32 24 

Kontrollere tomhet og tilstedeværelse av NaN

For å sjekke at serieobjektet er tomt, kan du bruke tomt attributt . På samme måte, for å sjekke om et serieobjekt inneholder noen NaN-verdier eller ikke, kan du bruke hassan Egenskap.

Eksempel

 import numpy as np import pandas as pd a=pd.Series(data=[1,2,3,np.NaN]) b=pd.Series(data=[4.9,8.2,5.6],index=['x','y','z']) c=pd.Series() print(a.empty,b.empty,c.empty) print(a.hasnans,b.hasnans,c.hasnans) print(len(a),len(b)) print(a.count( ),b.count( )) 

Produksjon

 False False True True False False 4 3 3 3 

Seriefunksjoner

Det er noen funksjoner som brukes i serier som er som følger: