La serie Pandas se puede definir como una matriz unidimensional que es capaz de almacenar varios tipos de datos. Podemos convertir fácilmente la lista, la tupla y el diccionario en series usando ' serie ' método. Las etiquetas de las filas de las series se denominan índice. Una serie no puede contener varias columnas. Tiene el siguiente parámetro:

datos:Puede ser cualquier lista, diccionario o valor escalar.índice:El valor del índice debe ser único y con hash. Debe tener la misma longitud que los datos. Si no pasamos ningún índice, por defecto np.organizar(n) se utilizará.tipo:Se refiere al tipo de datos de la serie.Copiar:Se utiliza para copiar los datos.

Creando una serie:

Podemos crear una Serie de dos formas:

1. Crear una serie vacía
2. Crea una serie usando entradas.

Crear una serie vacía:

Podemos crear fácilmente una serie vacía en Pandas, lo que significa que no tendrá ningún valor.

decodificar base64 javascript

La sintaxis que se utiliza para crear una serie vacía:

 = pandas.Series() 

El siguiente ejemplo crea un objeto de tipo Serie vacía que no tiene valores y tiene un tipo de datos predeterminado, es decir, flotador64 .

Ejemplo

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

Producción

 Series([], dtype: float64) 

Creando una Serie usando entradas:

Podemos crear series utilizando varias entradas:

• Formación
• dictar
• valor escalar

Creando series a partir de una matriz:

Antes de crear una Serie, primero tenemos que importar el engordado módulo y luego use la función array() en el programa. Si los datos son ndarray, entonces el índice pasado debe tener la misma longitud.

Si no pasamos un índice, entonces por defecto el índice de rango(n) se pasa donde n define la longitud de una matriz, es decir, [0,1,2,.... rango(len(matriz))-1 ].

Ejemplo

ciudades en australia

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

Producción

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

Crear una serie a partir de dict

También podemos crear una Serie a partir de dict. Si el objeto del diccionario se pasa como entrada y no se especifica el índice, entonces las claves del diccionario se toman en orden para construir el índice. .

Si se pasa el índice, los valores correspondientes a una etiqueta particular en el índice se extraerán del diccionario .

 #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) 

Producción

 x 0.0 y 1.0 z 2.0 dtype: float64 

Crea una serie usando Scalar:

Si tomamos los valores escalares, entonces se debe proporcionar el índice. El valor escalar se repetirá para hacer coincidir la longitud del índice.

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

Producción

 0 4 1 4 2 4 3 4 dtype: int64 

Accediendo a datos de series con Posición:

Una vez que crea el objeto de tipo Serie, puede acceder a sus índices, datos e incluso elementos individuales.

¿Qué tan grande es este monitor?

Se puede acceder a los datos de la serie de forma similar a la del ndarray.

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

Producción

 1 

Atributos de objetos de serie

El atributo Serie se define como cualquier información relacionada con el objeto Serie, como el tamaño y el tipo de datos. etc. A continuación se muestran algunos de los atributos que puede utilizar para obtener información sobre el objeto Serie:

Recuperar matriz de índice y matriz de datos de un objeto de serie

Podemos recuperar la matriz de índice y la matriz de datos de un objeto Serie existente utilizando los atributos índice y valores.

 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) 

Producción

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

Recuperar tipos (dtype) y tamaño de tipo (itemsize)

Puede usar el atributo dtype con el objeto Serie como dtype para recuperar el tipo de datos de un elemento individual de un objeto de serie, puede usar el tamaño del artículo atributo para mostrar el número de bytes asignados a cada elemento de datos.

 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) 

Producción

contar distinto

 int64 8 float64 8 

Recuperando forma

La forma del objeto Serie define el número total de elementos, incluidos los valores faltantes o vacíos (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) 

Producción

 (4,) (3,) 

Recuperando dimensión, tamaño y número de bytes:

 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) 

Producción

 1 1 4 3 32 24 

Comprobación del vacío y la presencia de NaN

Para comprobar que el objeto Serie está vacío, puede utilizar el atributo vacío . De manera similar, para verificar si un objeto de serie contiene algunos valores NaN o no, puede usar el hassan atributo.

programas de Python

Ejemplo

 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( )) 

Producción

 False False True True False False 4 3 3 3 

Funciones de serie

Hay algunas funciones utilizadas en Series que son las siguientes: