在Pandas中有除了主要的DataFrame結(jié)構(gòu)外還有個Series結(jié)構(gòu)

在DataFrame中一行或者一列就是Series結(jié)構(gòu)

titanic = pd.read_csv("E:/Anaconda/MachineLearningData/Titanic/test.csv")?? #獲取數(shù)據(jù)集

titanic_age = titanic["Age"]

print (type(titanic_age))

結(jié)果

從結(jié)果中可以看到titanic_age是一個Series類型

再進行以下操作

titanic_age_value = titanic_age.values

print type(titanic_age_value)

結(jié)果

可以看到pandas中的titanic_age.values返回的是一個numpy中的ndarray結(jié)構(gòu)。

用Series()構(gòu)造函數(shù)來創(chuàng)建新的series類型的變量：

ndarray_age = titanic_age.values??? #獲取特征age的ndarray值

ndarray_name = titanic["Name"].values??? #獲取特征name的ndarray值

#Series()中前一個參數(shù)為特征，參數(shù)index作為序號，在這里名字作為了序號，

series_custon = Series(ndarray_age,index=ndarray_name)???

print type(series_custon)

print series_custon

新定義了index后依舊可以用原來的0 1 2 等數(shù)字來進行索引

結(jié)果

DataFrame類型也可以重新定義index:

來自API文檔

若新定義的index為String時也可以對其進行切片造作

df.loc["string1":"string2"]

輸出這兩個名字的人的年齡：

print series_custon[['Kelly, Mr. James','Wilkes, Mrs. James (Ellen Needs)']]? #按名字索引

print series_custon[0:3]?? #按序號索引

結(jié)果

從結(jié)果可以看到是序號（名字）和特征值一起得到