pandas Series 的字典特性

Series 除了具有当 NumPy 的特性之外，它还具有 Python 内置的字典的相关的一些特性。它实现了类似于字典的一些行为和方法。今天我们会介绍一下它的字典特性，所谓的 dict-like。

构造 Series

首先我们导入 pandas 库，别名为 pd，我们定义一个这样的 Series，它的值是 1、3、5，它的索引为 a、b、c。

import pandas as pd

ser = pd.Series([1, 3, 5],
                index=['a', 'b', 'c'])
ser
'''
a    1
b    3
c    5
dtype: int64
'''

获取键值

我们知道字典可以单独的获取它的键或者值，那 Series 同样也支持。我们可以通过 index 获得它的键，就是所谓的索引。

ser.index
# Index(['a', 'b', 'c'], dtype='object')

也可以通过 values 获得它的值，就是 Series 的值：

ser.values
# array([1, 3, 5])

标签索引

我们还可以通过标签的值来获得标签所对应的数值，

ser['a']
# 1

ser['d']
# ...
# KeyError: 'd'

这里得到 a 的对应的值。如果没有标签内容，则抛出 KeyError 错误。

还可以通过属性的方法访问属性得到标签的对应的值：

ser.a
# 1

ser.d
# AttributeError: 'Series' object has no attribute 'd'

那如果遇到一个没有的标签值，它会报错。

get() 方法

字典还有一个 get() 方法可以获得对应的键的值，如果无此键可以设置缺省值。我们也可以用 Series 的 get() 方法获得对应键的值。我们在这里获取 b 对应的值得到了 3：

ser.get('b')
# 3

获取不存在的键 d：

ser.get('d') # 无返回
# None

ser.get('d', 7)
# 7

如果说传入一个不存在的标签，那它会返回一个我们设置的默认值，如果没有设置就返回 None。

pop() 方法

字典有一个 pop() 方法可以删除指定键的值，Series 同样也实现了一个 pop() 方法。

ser
'''
a    1
b    3
c    5
dtype: int64
'''

ser.pop('a')
# 1

ser
'''
b    3
c    5
dtype: int64
'''

用 pop() 删除原 Series 标签 a 的值，ser 就就只剩下后两项了。 删除操作会返回被删除项的值，

我们打出我们的 Series 已经删除了 a 和 a 的值整项。它返回了我们删除后的内容。和字典里面的 pop() 方法一样，它是一个原地操作，它不会返回一个新的对象，而是将原对象进行了修改。

修改

字典可以获取键，进行重新赋值来修改字典的内容，那 Series 也可以这样进行修改。

我们比如说数据当中修改 a 的值，我们把 a 修改为 10，重新打印出 Series 发现 a 的值已经变化。

ser
'''
a    1
b    3
c    5
dtype: int64
'''

ser.a = 10
ser
'''
a    10
b     3
c     5
dtype: int64
'''

可以用获取属性值的方法去获取并修改，我们在这里修改 c 的值，把 c 的值修改成 50：

ser['c'] = 50
ser.c = 50

ser
'''
a    10
b     3
c    50
dtype: int64
'''

打印发现 c 的值已经修改为 50。

成员检测

字典支持成员检测，就是说一个值是否在一个字典中，我们 Series 呢同样也是支持成员检测：

ser
'''
a    1
b    3
c    5
dtype: int64
'''

5 in  ser
# False

'a' in ser
# True

以上代码发现，这和我们字典一样，它在检测成员的时候检测它的键是否在存在。如果想检测值是否存在得取 Series 的 values 进行检测：

5 in  ser.values
# True

迭代

对字典进行迭代，默认迭代它的键，那 Series 的迭代的是 Series 的值：

for i in ser:
    print(i)
'''
1
3
5
'''

如果要迭代所有的内容，同时可以使用类似字典的 items() 方法：

for i,v in ser.items():
    print(i, v)
'''
a 1
b 3
c 5
'''

迭代出了索引标签和取值。

更新 update()

字典呢有一个 update() 方法它可以更新字典的内容，Series 同样也实现了一个 update() 方法。

我们假定在原始的 series 是这样子的：

ser = pd.Series([1, 3, 5],
                index=['a', 'b', 'c'])
ser
'''
a    1
b    3
c    5
dtype: int64
'''

然后再定义一个新的 Series：

ser_update = pd.Series([2, 4, 6],
                       index=['a', 'b', 'c'])
ser_update
'''
a    2
b    4
c    6
dtype: int64
'''

它们的索引标签值相同，取值不同，接下来用 update() 来更新：

ser.update(ser_update)
ser
'''
a    2
b    4
c    6
dtype: int64
'''

没有返回内容，这是一个原地操作，将原 ser 更新为 ser_update 的值。

如果说给一个没有标签的可迭代对象，它并不能进行修改：

ser.update([3, 4, 6])
ser
'''
a    2
b    4
c    6
dtype: int64
'''

这是因为传入的可迭代对象会强制转为 Series，索引的标签默认为 0-n，与原 Series 无法对齐匹配，故不做更新。

我们重新定义一个未定义索引的 Series，可以和给定的列表做更新操作，同时，如果我们想在一些位置上不做更新可以用 None 占位。

ser1 = pd.Series([1, 3, 5])
ser1
'''
0    1
1    3
2    5
dtype: int64
'''

ser1.update([10, None, 50])
ser1
'''
0    10
1    3
2    60
dtype: int64
'''

映射 map

字典属于 Python 内置的映射类型，可将对应的值修改为它映射的值。那 Series 也是有类似的行为特征。

假定我们有这样的一个 Series，名称为 ser，它的索引是 a、b、c，还有另外一个 Series，名称为 ser2，索引为自然索引，值为 a、b、c，如下：

ser = pd.Series([1, 3, 5],
                index=['a', 'b', 'c'])
ser
'''
a    1
b    3
c    5
dtype: int64
'''

ser2 = pd.Series([*'abc'])
'''
0    a
1    b
2    c
dtype: object
'''

我们将 ser2 中值 a、b、c 替换成 ser 它标签对应的值，这里可以用 map() 方法来做这个映射。

ser2.map(ser)
'''
0    1
1    3
2    5
dtype: int64
'''

关于 map() 方法的使用，可以关注我们后续的关于 pandas 数据结构应用函数的教程。

今天 Series 的字典特性就介绍到这里。

（完）

更新时间：2022-08-31 15:24:32 标签：pandas series dict 字典