Pandas學習筆記1（序列部分）

import pandas as pd
import numpy as np
"""
序列(Series):可以理解成R語言中的向量，Python中的列表、元組的高階版本。
為什麼說是高階,因為序列與上期介紹的一維陣列類似，具有更好的廣播效應，
既可以與一個標量進行運算，又可以進行元素級函式
"""
ls_a=[1,3,5]
seriesl=pd.Series(ls_a)
seriesl+10
print(seriesl+10)
"""
return:
0    11
1    13
2    15
"""

#序列的索引--位置索引
np.random.seed(1)
se=pd.Series(np.random.randint(size=5,low=1,high=10))
print(se)
print(se[0])   #取第一個元素
print(se[1:3])#取第2、3個元素
print(se[::2])#依次取數，步數為2


#序列索引--布林索引
np.random.seed(23)
se_bool=pd.Series(np.random.randint(size=5,low=1,high=100))
print(se_bool)
"""
0    84
1    41
2    74
3    55
4    32
dtype: int32
"""
print(se_bool[se_bool>=70])#取出大於等於70的值
"""
0    84
2    74
dtype: int32
"""
print(se_bool[se_bool>=40][se_bool<=50])    #取出40~50之間的值
"""
1    41
dtype: int32
"""

"""
在R語言中一個向量的元素是否包含於另一個向量，可以使用%in%函式進行判斷，
Python中也有類似的方法。對於一個一維陣列，inld函式實現該功能;
對於一個序列，isin函式可以實現上述所說功能
"""
array_num1=np.array([3,5,6,8])
array_num2=np.array([17,29,34,8])
print(np.in1d(array_num1,array_num2))
'''
return:[False False False  True]
array_num1包含array_num2的8，所以為True
'''

se_str1=pd.Series(["a","s","d","f"])
se_str2=pd.Series(["Z","s","M","d"])
print(np.isin(se_str1,se_str2))
"""
return:[False  True  True False]
"""

#序列去重及水平統計
np.random.seed(10)
se_unique=np.random.randint(size=1000,low=1,high=4)
#去重
print("去重:")
print(pd.unique(se_unique))
"""
return:
去重:
[2 1 3]
"""

#水平統計
print("水平統計")
print(pd.value_counts(se_unique))
'''
水平統計
3    342
2    334
1    324
'''

np.random.seed(2)
se_sort=pd.Series(np.random.normal(size=4))
#按序列的索引排序--降序排序
print("按序列的索引排序--降序排序")
print(se_sort.sort_index(ascending=False))
"""
按序列的索引排序--降序排序
3    1.640271
2   -2.136196
1   -0.056267
0   -0.416758
dtype: float64
"""
#按序列的值排序--升序排序
print("按序列的值排序--升序排序")
print(se_sort.sort_values())
"""
按序列的值排序--升序排序
2   -2.136196
0   -0.416758
1   -0.056267
3    1.640271
dtype: float64
"""

"""
抽樣是資料分析中常用的方法，通過從總體中抽取出一定量的樣本來推斷總體水平；
或者通過抽樣將資料拆分成兩部分，一部分建模，一部分測試。pandas模組中的sample函式
可以完成抽樣的任務
"""
se_unique.sample(n=None,frac=None,replace=False,weights=None,random_state=None,axis=None)
"""
n:指定抽樣的樣本量；
frac:指定抽取的樣本比例
replace:是否有放回抽樣，預設無放回
weights:指定樣本抽中的概率，預設等概論抽樣；
random_state=指定抽樣的隨機種子
"""
#從1~100中無放回（即抽取過的元素不會再抽取到）隨機抽取4個數字
s_sample=pd.Series(range(1,101))
print(s_sample.sample(n=4,random_state=3))
"""
93    94
67    68
6      7
64    65
dtype: int64
"""

#從1~6中有放回的抽取4個值
s_sample1=pd.Series(range(1,7))
print(s_sample1.sample(n=4,replace=True,random_state=2))
"""
0    1
5    6
0    1
3    4
dtype: int64
"""

#從男女性別中不等概率抽中10個樣本
s_sex=pd.Series(['男','女'])
print(s_sex.sample(n=10,replace=True,weights=[0.2,0.8],random_state=3))
"""
1    女
1    女
1    女
1    女
1    女
1    女
0    男
1    女
0    男
1    女
dtype: object
"""

#統計函式
np.random.seed(1234)
s_describe=pd.Series(np.random.randint(size=100,low=1,high=30))
print(s_describe.describe())
"""
count    100.000000--序列的元素個數
mean      15.730000--序列的平均值
std        7.844261--序列的標準差
min        1.000000--最小值
25%       10.000000
50%       16.000000
75%       22.000000
max       29.000000--最大值
dtype: float64
"""複製程式碼