Python Pandas中Series和向量之间的区别

---

Pandas是一个著名的开源Python库，它提供了广泛的功能，使数据分析更有效率。Pandas包主要用于数据预处理活动，包括数据清洗、转换和操作。因此，它是分析师和数据科学家的一个非常有用的工具。本文讨论了Pandas中两个最流行的数据结构——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数组，可以保存任何数据类型。它类似于电子表格中的一列或R中的数据框。Series是通过将值列表传递给pd.Series()函数创建的，可以使用索引或标签访问。

标签必须是可哈希类型，但不必唯一。该对象具有多种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：

• 数据 - 任何列表、字典或标量值都可以用作数据。

• 索引 - 索引的值应该既唯一又可哈希。它必须与数据大小相同。如果未提供索引，则默认使用np.arrange(n)。

• Dtype - 它指的是Series的数据类型。

• copy - 用于复制信息。

创建Series

我们可以通过四种方式创建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，其值为1, 3, 5, NaN, 6, 8。

直接从NumPy数组创建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

这两种方法都将创建一个Pandas Series，其索引是从0开始的整数范围。您也可以在创建Series时指定自己的索引值。

从标量值创建Series

创建带有标量值的Series是今天我们将要研究的最后一种方法。在这种情况下，您可以用单个值提供数据，并使其在索引持续时间内重复。

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()函数是创建填充随机数的ndarray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

DataFrame

另一方面，向量是一维数值数组。在Pandas中，向量可以用具有单个dtype（例如，整数、浮点数或对象）的Series表示。向量通常用于数学和统计运算，可以使用pd.to_numeric()函数或从数据框中选择单个列来创建。

您可以使用pd从多个数据源（包括字典、二维NumPy数组和Series）创建DataFrame。使用Pandas Series字典创建Pandas DataFrame

索引必须与Series长度相同。如果未指定索引，则将自动创建索引值：[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Series和DataFrame之间差异的总结

	DataFrame	Series
数据结构	二维表	一维数组
可以包含异构数据	是	是
可以包含列标签	是	否
可以包含行标签	是	否
可以按列或行标签索引	是	是
可以按列或行标签切片	是	是
支持算术运算	是	是
支持算术运算	是	是

结论

总而言之，Python Pandas中Series和向量的主要区别在于：

• Series可以保存任何数据类型，而向量只能保存数值。

• Series具有标签索引，而向量没有。

• Series可以使用标签或索引访问，而向量只能使用索引访问。

理解Series和向量之间的区别对于选择适合您数据的适当数据结构以及在Pandas中操作和分析数据非常有用。