跳到主要內容

[Pandas教學]資料分析必懂的Pandas Series處理單維度資料方法

python_pandas_series_tutorial

Photo by Myriam Jessier on Unsplash

在隨手可得的數據時代，資料分析逐漸成為顯學，利用視覺化軟體或是分析處理工具，將蒐集的資料轉變為有用的資訊，來協助使用者進行決策。

Pandas套件則是其中一種常用的資料分析處理工具，它是基於Python程式語言來建立的，非常容易使用且強大，主要應用於單維度(Series)與二維度(DataFrame)的資料處理。

大家可以把Pandas套件想像成是Excel一樣，能夠將儲存的資料進行統計、搜尋或修改等操作，主要有兩種資料結構，分別是Series及DataFrame，本文就先帶大家來認識Series的基本觀念，包含：

  • 什麼是Pandas Series
  • 建立Pandas Series物件
  • 取得Pandas Series資料
  • 新增Pandas Series資料
  • 修改Pandas Series資料
  • 取得Pandas Series資料筆數
  • Pandas Series字串運算
  • Pandas Series數值運算

一、什麼是Pandas Series

Pandas Series適用於處理單維度或單一欄位的資料，就像是Excel中的某一欄，如下圖：

python_pandas_series_tutorial

Pandas Series就像上圖一樣，左側為資料索引，右側為資料內容，不過Pandas Series自動產生的資料索引是從0開始計算，另外也有提供方法(Method)，讓使用者可以自行定義。

在開始本文的實作前，首先需利用以下的指令來安裝Pandas套件：
$ pip install pandas

二、建立Pandas Series物件

想要利Pandas Series來儲存單維度的資料，就需要先建立Pandas Series物件，語法如下：

my_series = pandas.Series(資料串列)

範例

import pandas as pd


phone = pd.Series(["Apple", "Samsung", "Mi", "Sony"])
print(phone)

執行結果

python_pandas_series_tutorial

上圖執行結果的左側，就是Pandas套件自動產生的資料索引或稱資料編號，右側則是指定的資料內容，如果想要自訂資料索引，可以利用index關鍵字參數(Keyword Argument)來進行設定，如下範例：
import pandas as pd


phone = pd.Series(["Apple", "Samsung", "Mi", "Sony"], index=["p1", "p2", "p3", "p4"])
print(phone)

執行結果

python_pandas_series_tutorial

三、取得Pandas Series資料

可以利用資料順序或資料索引值來取得Pandas Series物件中的特定資料，如下範例：

import pandas as pd


phone = pd.Series(["Apple", "Samsung", "Mi", "Sony"], index=["p1", "p2", "p3", "p4"])
print(phone[1])  # 依據資料順序取值(從0開始計算)
print(phone["p3"])  # 依據資料索引值取值

執行結果

python_pandas_series_tutorial

四、新增Pandas Series資料

想要在既有的Pandas Series物件中新增資料，可以利用append()方法(Method)來達成，這邊要特別注意的是，append()方法(Method)需傳入Pandas Series物件，並且會額外產生一個新的Pandas Series物件，如下範例：
import pandas as pd


phone = pd.Series(["Apple", "Samsung", "Mi", "Sony"])
data = pd.Series(["Htc", "Oppo"])  # 新增的資料
combined = phone.append(data)
print(combined)
執行結果
python_pandas_series_tutorial
由於Pandas Series物件都會自動產生資料索引，所以從上面的執行結果可以看到，將兩個Pandas Series物件合併後，會發現資料索引沒有連續的問題，這時候可以在append()方法(Method)中加上「ignore_index = True」設定，來忽略資料索引，如下範例：
import pandas as pd


phone = pd.Series(["Apple", "Samsung", "Mi", "Sony"])
data = pd.Series(["Htc", "Oppo"])  # 新增的資料
combined = phone.append(data, ignore_index=True)
print(combined)
執行結果
python_pandas_series_tutorial

五、修改Pandas Series資料

要修改Pandas Series物件中的某一筆資料，可以利用資料索引值進行存取後，來修改其中的資料，如下範例：
import pandas as pd


phone = pd.Series(["Apple", "Samsung", "Mi", "Sony"])
phone[1] = "Oppo"
print(phone)
執行結果
python_pandas_series_tutorial
如果有自訂的資料索引值，同樣可以依據資料索引值來進行修改，如下範例：
import pandas as pd


phone = pd.Series(["Apple", "Samsung", "Mi", "Sony"], index=["p1", "p2", "p3", "p4"])
phone["p3"] = "Oppo"
print(phone)
執行結果
python_pandas_series_tutorial

六、取得Pandas Series資料筆數

通常在做資料分析時，都會需要知道載入的資料筆數，這時候可以透過Pandas Series物件的size屬性(Attribute)來取得，如下範例：
import pandas as pd


phone = pd.Series(["Apple", "Samsung", "Mi", "Sony"])
print(phone.size)  # 執行結果4

七、Pandas Series字串運算

在文章開頭有提到，Pandas套件就像Excel一樣，能夠對儲存的資料進行處理及操作，最常見的就是字串運算，這邊就擷取幾個Pandas Series物件常用的字串運算方法(Method)，包含：
  • upper()：將字串轉為大寫
import pandas as pd


phone = pd.Series(["Apple", "Samsung", "Mi", "Sony"])
print(phone.str.upper())  # 將字串資料轉換為大寫
執行結果
python_pandas_series_tutorial
  • lower()：將字串轉為小寫
import pandas as pd


phone = pd.Series(["Apple", "Samsung", "Mi", "Sony"])
print(phone.str.lower())  # 將字串資料轉換為小寫
執行結果
python_pandas_series_tutorial
  • contains()：搜尋是否包含特定字串
import pandas as pd


phone = pd.Series(["Apple", "Samsung", "Mi", "Sony"])
print(phone.str.contains("Sa"))  # 搜尋是否包含特定字串
執行結果
python_pandas_series_tutorial
  • cat()：利用自訂的分隔符號連接字串
import pandas as pd


phone = pd.Series(["Apple", "Samsung", "Mi", "Sony"])
print(phone.str.cat(sep=";"))  # 利用自訂分隔符號連接字串
執行結果
python_pandas_series_tutorial

  • replace()：取代為指定的字串
import pandas as pd


phone = pd.Series(["Apple", "Samsung", "Mi", "Sony"])
print(phone.str.replace("Samsung", "Oppo"))  # 將Samsung取代為Oppo
執行結果
python_pandas_series_tutorial

八、Pandas Series數值運算

另一個Pandas套件最常應用的地方，就是數值的運算，這邊列舉幾個Pandas Series物件常用的數值運算方法(Method)，包含：
  • max()：最大值
import pandas as pd


numbers = pd.Series([22, 5, 10, 12, 6, 30])
print(numbers.max())  # 執行結果30
  • min()：最小值
import pandas as pd


numbers = pd.Series([22, 5, 10, 12, 6, 30])
print(numbers.min())  #執行結果5
  • sum()：總和
import pandas as pd


numbers = pd.Series([22, 5, 10, 12, 6, 30])
print(numbers.sum())  #執行結果85
  • mean()：平均數
import pandas as pd


numbers = pd.Series([22, 5, 10, 12, 6, 30])
print(numbers.mean())  # 執行結果14.166666666666666
  • nlargetst()：最大的n個數值
import pandas as pd


numbers = pd.Series([22, 5, 10, 12, 6, 30])
print(numbers.nlargest(2))  # 最大的2個數值
執行結果(左側為資料索引，右側為資料內容)
python_pandas_series_tutorial
  • nsmallest()：最小的n個數值
import pandas as pd


numbers = pd.Series([22, 5, 10, 12, 6, 30])
print(numbers.nsmallest(2))  # 最小的2個數值
執行結果(左側為資料索引，右側為資料內容)
python_pandas_series_tutorial

九、小結

本文帶大家瞭解Pandas套件的Series資料結構，來處理單一欄位的資料內容，從範例的說明中也可以感受到，利用幾個簡單的方法(Method)，就能輕鬆的對資料進行操作，在資料分析上，非常的實用，讀者們可以利用本文的教學，來練習操作手邊的資料吧。

如果您喜歡我的文章，請幫我按五下Like(使用Google或Facebook帳號免費註冊)，支持我創作教學文章，回饋由LikeCoin基金會出資，完全不會花到錢，感謝大家。
有想要看的教學內容嗎?歡迎利用以下的Google表單讓我知道，將有機會成為教學文章，分享給大家😊

Python網頁爬蟲推薦課程

你可能有興趣的文章









標籤:

留言

  1. 匿名2024年11月21日 下午3:11

    新版本的 Pandas 中，Series 不再支援 append 方法?

    回覆刪除
    回覆
    1. Hank2025年2月14日 中午12:59

      combined = pd.concat([phone, data]) # 使用 concat() 替代 append()

      刪除

張貼留言