pandas基础：Series与DataFrame及numpy二进制文件读写

Series

Series 是 pandas 提供的一种一维数组对象，其核心特征在于同时包含一组数据值以及对应的索引标签。

import pandas as pd
import numpy as np

创建第一个 series：

s1=pd.Series([4,7,-5,3])#创建一个series，索引为默认值
print(s1)

只需传入一个数组，即可生成一个一维的数据表格结构。

获取序列的值和标签序列，应该如何去做？

如果默认的索引标签是从 0 开始的整数序列，而我们需要自定义索引标签，应当如何处理？

定义好索引后，即可通过指定的索引值来获取对应的序列数据。

Series 可以被视为一个定长的有序字典，这与 Python 标准字典的无序特性不同，它保持了数据的插入顺序。

当已有字典数据且元素过多，仅需要提取特定键对应的数据时，可以使用构造参数 pd.Series(data, index=indexs)。其中 data 为字典类型数据集，indexs 为包含所需键的列表，该操作既能提取数据又能直接展示结果。

如何自己确定行和列的标签：

通过这种具有描述性的操作方式，我们可以对数据结构形成直观的整体认知。

排序操作：

上述数据为随机生成，其基础索引和切片操作与 Python 原生列表相似。掌握这些基础语法和知识点，有助于在后续复杂操作中快速查阅和定位相关功能。

Python numpy 对二进制文件输入输出

numpy 支持将数据以文本或二进制文件格式存入硬盘，或从硬盘载入。本文主要讨论内建的二进制格式，而对于更复杂的表格数据处理，pandas 则是更为合适的工具。

np.save 和 np.load 是高效存取硬盘数据的两个关键函数。数组在默认情况下以压缩格式存储，文件后缀名为 .npy。

上述内容介绍了数据的存储与加载方法。此外，np.savez 函数用于在文件中保存多个未压缩的数据数组。

到此这篇关于 pandas 基础 Series 与 DataFrame 及 numpy 对二进制文件输入输出的文章就介绍到这了，更多相关 pandas Series 内容请搜索本站以前的文章或继续浏览下面的相关文章，希望大家以后多多支持本站！