点开，看一段，你就会喜欢上学习pandas，你该这么学！No.3

身为一个啰嗦的博主，仍是要说点啥，若是你不想学，直接拖拽到最后，发现彩蛋，而后3秒

我呢，有个小目标，就是把技术类的文章，写的有趣

编程呢，最难的是什么？

我投票给入门

其实，把一我的带进编程的大门是最难的

而梦想橡皮擦这位大佬，就在作这个事情
（说白了，就是高深的文章写不出来，还要装作大佬，心好累，好不容易找到这么一个借口，真开心）

我要经过一个系列的pandas文章

让你学会这一个简简单单的模块

而后还能顺便写点好玩的东东

美哉~

每篇文章，让你阅读起来如丝般顺滑

继续pandas,series函数的学习

上篇博客，我们就稍微了解了一丢丢series的函数

远远不够的
这篇呢，咱们继续

内心默念

pandas是处理数据的，是处理数的，数字的

OK,GET到这个就好多了

后面我就好编了

import pandas as pd
s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])
print(s)

我建立了一个基本的Series，而后要对它进行处理了

对一个线性的数据来讲

咱们能够干不少事情

好比，我要获取最大最小值

import pandas as pd

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

print(s.min())
print(s.max())

这个写法仍是太简单了，显示不出来咱们学到东西了

咱弄点新鲜的(其实就是官网比较复杂的例子)

先给series建立一个带有层次的索引

带有层次的索引，啥意思？

其实就是excel里面的合并单元格
看代码

idx = pd.MultiIndex.from_arrays([
    ['warm', 'warm', 'cold', 'cold'],
    ['dog', 'falcon', 'fish', 'spider']]
    ,names=['blooded', 'animal'])

s = pd.Series([4, 2, 0, 8], name='legs', index=idx)
print(s)

一个关于冷血动物和温血动物关于有多少足的表格

唉，好长一段文字，输出长这个样子

看不明白，不要紧，放到excel里面瞅瞅

咋么样，小版一排，清晰明了

就一个表格
当前前面依旧是index
真正的数据就后面那一列

而后，操做一番

idx = pd.MultiIndex.from_arrays([
    ['warm', 'warm','warm',  'cold', 'cold'],
    ['dog', 'falcon','people', 'fish', 'spider']]
    ,names=['blooded', 'animal'])

s = pd.Series([4, 2,2, 0, 8], name='legs', index=idx)
print(s)
print(s.min())
print(s.max(level='blooded'))

后面的level就是控制多索引的哦~

看到结果，你能够秒懂吗？

s = pd.Series([4, 2,2, 0, 8], name='legs', index=idx)
print(s)
print(s.min())  # 输出0
print(s.max(level='blooded')) # 输出 下面的表格

没错，我是下面的表格

学会了吧，这个学会了,min,max,sum,idxmin,idxmax你应该都会了

什么idx是啥？看看上面的代码
那个是索引... ...

还要啰嗦一个属性

对于series来讲，还有一个属性很是，很是重要，重要到使用以后，没啥效果？

这个属性就是T
没错，一个大写的字母T

哈哈哈，其实这个属性对于series来讲，基本没啥用

使用以后仍是等于本身自己

s = pd.Series([3,1,4],index=['a','b','c'])
print(s)
print(s.T)

继续看函数

好像跑偏了，怎么看到属性去了

继续看函数啊

一个线性杂乱的数据，对于咱们来讲
还能够排序啊

import pandas as pd

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

既然排序了，你一猜，就能猜到（其实通常人根本猜不到，也就老师以为你能猜到）

一个是按照值排序，一个是按照索引排序

import pandas as pd

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

print(s.sort_values())
print(s.sort_index())

排序的一些参数，能够屡屡

Series.sort_values(axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last')

• axis 按照哪一个参考轴排序. 对于 Series来讲，只能设置为0
• ascending 倒序仍是正序 True升序
• inplace 默认false，修改成true，原地修改？咦，不明白吧，一会我给你举个栗子
• kind 排序方法 快速排序，归并排序，堆排序
• na_position 空值，在前仍是在后，这个，你试一下就知道了

inplace

看一下下面的代码，原地替换

s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])
sorted_s = s.sort_values(inplace=True)
print(sorted_s)

这时候打印出来的是None，可是你打印s，就能出现排序以后的文字

明白了没？
就是把s变量直接给排序了

排序搞定以后，就要尝试获取series中的部份内容

获取头部几条

头部头部head

获取末尾几条

tail,tail

import pandas as pd

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

print(s.head(2))
print(s.tail(2))

获取部分数据能够，那么确定也能够删除数据喽
（我顺口说的）

Series.drop

import pandas as pd

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

print(s.drop(labels=[0,1]))

对于series来讲，labels参数是必备的

为何呢？由于其它的压根不支持

新版本的能够用index替换labels

好了，又学到新知识点了吧

很少很多，几个正好

每日学一点吧，啊

明天写点啥，多是DataFrame吧

最后，欢迎关注一个唠叨的编程工程师的公号，非本科程序员

掏出你的手机，拍这个