最近编写程序的时候，要经常进行数据类型的切换，做一下简单的总结，有什么不足的地方，大家多多交流哈~~~~1.List：List是一个一维的列表，我们可以利用下标进行值得追踪（不要忘了！python第一个元素的下标从0开始），每个元素可变，类型可变。其方便之处在于可以用append函数进行添加c=[1,2,3,4,5]但是list仅仅支持“+”与“*”的运算，以及比较运算，但我们不能进行复杂的函数运
转载
2023-09-04 23:22:24
270阅读
实习中用到pandas，按需求写一些笔记1.pandas与excel,csv的对应关系pandas里面有两个数据结构，一种是series,对应excel的列；一种是dataframe,对应excel的表2.series类型转换要时刻意识到series 是一列数据，所以python直接的类型转换 int( ) float()这种函数不能用于转换series应该用.astype()方法，比如：&nbs
转载
2023-11-28 06:08:19
275阅读
1.List： List是一个一维的列表，我们可以利用下标进行值得追踪（不要忘了！python第一个元素的下标从0开始），每个元素可变，类型可变。其方便之处在于可以用append函数进行添加c=[1,2,3,4,5]2.np.array python中的list和array的不同之处 list是列表,可以通过索引查找数值，但是不能对整个列表进行数值运算b=[1,2]
b[1]
Out[97]: 2
转载
2024-06-10 07:36:23
256阅读
一. 字典的简单介绍 字典(dict)是python中唯一的一个映射类型.他是以{ }括起来的键值对组成. 在dict中key是 唯一的. 在保存的时候, 根据key来计算出一个内存地址. 然后将key-value保存在这个地址中. 这种算法被称为hash算法 已知的可哈希(不可变)的数据类型: int, str, tuple, bool 不可哈希(可变
转载
2024-10-26 00:21:41
22阅读
1、区别：List 和 Dict 是 Python 的基本数据结构Series 和 DataFrame 是 Pandas 的基本数据结构Array 是 Numpy 的数据结构2、列表（list）python的内置数据类型，list中的数据类不必相同的。一组有序项目的集合。可变的数据类型【可进行增删改查】列表是以方括号“[]”包围的数据集合，不同成员以“,”分隔。n=[1,2,3,4,5,6]3、元
转载
2023-07-01 11:51:42
292阅读
一、列表列表中各元素间是有序的，属于序列类型。列表可以进行元素的 添加，删除，查找，替换 等操作。列表长度没有限制，不需要定义长度，列表中的元素类型可以不同，可以是 字母，数字，集合，列表，元组，字符串等。1.list()函数描述：可以将其它的组合数据类型转化为列表类型，或生成一个空列表。语法：list() -> new empty list 返回一个空列表 list(iterable) -
转载
2023-09-20 20:41:27
161阅读
# Python中的Series与List的区别
在数据分析和科学计算中，Python是非常受欢迎的编程语言，尤其是依赖于NumPy和Pandas库的用户。在这两者中，Pandas提供了`Series`这一数据结构，而Python内置的`list`则是更为基础的一种数据结构。本文将探讨它们之间的主要区别，以及何时使用它们的合适场景。
## 1. 数据结构的基本定义
- **List**：Py
原创
2024-10-23 05:38:36
146阅读
# Python DatetimeIndexResampler转series
在数据分析和时间序列分析中，Python提供了许多强大的库和工具，使我们能够更好地处理和分析时间序列数据。其中之一就是`pandas`库，它提供了用于处理和操作时间序列数据的强大工具。
在`pandas`库中，有一个非常有用的类`DatetimeIndexResampler`，它用于将时间序列数据重新采样为不同的频率
原创
2023-07-22 06:50:38
132阅读
# Python Series dtype 转
在Python的数据分析领域中，`Series`是`pandas`库中一个重要的数据结构，它类似于一维数组或列表，但是带有标签，可以存储不同类型的数据。在`Series`中，每个元素都有一个特定的数据类型，也就是`dtype`。
在数据处理过程中，有时候我们需要对`Series`中的数据类型进行转换，以便更好地进行数据分析和可视化。本文将介绍如何
原创
2024-03-30 05:52:21
44阅读
目录string 类型的性值拆分和拼接替换子串匹配与提取常用字符串方法问题与练习string 类型的性值string 与object区别
字符存取方法，string返回相应数据的Nullable类型，object会因缺失值存在而改变返回类型；某些Series方法不能再string上使用，Series.str.decode(） 因为存储的是字符串而不是字节string类型在缺失
转载
2024-03-30 08:51:27
34阅读
54_Pandas将DataFrame、Series转换为字典 (to_dict)pandas.DataFrame、pandas.Series可以使用to_dict()方法转换为字典（dict类型对象）。对于pandas.DataFrame，参数orient可以用来指定pandas.DataFrame的行标签索引、列标签列和值如何分配给字典的键和值。在 pandas.Series 的情况下，它被转
转载
2023-09-19 12:41:40
1317阅读
# Python String 转 Series 的学习指南
在数据科学与工程领域中，`Pandas`库是一个强大的工具，它可以帮助我们进行数据处理和分析。在Python中，我们经常会遇到将字符串（string）转换为`Series`的需求。这篇文章将引导你如何实现这一目标。
## 整体流程
我们将通过以下步骤将字符串转换为`Pandas Series`：
| 步骤 | 描述
原创
2024-08-26 04:07:33
117阅读
# Python series 转 string
## 引言
在Python编程中，我们经常需要将一个序列（例如列表、元组）转换成一个字符串。这种转换可以用于数据的显示、存储或传输。本文将向刚入行的小白开发者介绍如何实现“Python series 转 string”。
## 流程图
下面是该过程的流程图，以便更好地理解整个流程：
```mermaid
pie
title Pytho
原创
2024-01-15 11:14:58
253阅读
# Python转置Series
在数据分析和处理中，我们经常需要对数据进行转置操作。转置是指将数据的行和列进行互换，使得原先的行变成新的列，原先的列变成新的行。在Python中，我们可以使用`transpose()`函数来实现Series的转置操作。
## 什么是Series？
在介绍Series的转置之前，我们先来了解一下Series是什么。Series是pandas库中的一种数据结构，
原创
2023-10-20 17:50:56
143阅读
1. 数字num1.1 数字模块，如math，random>>> import math
>>> math.pi
3.1415926535897931.2 //，地板除 返回一个整数，相当于java，c++的普通 /.>>> 10//3
3
>>> 10/3
3.33333333333333351.3 len()>>
# Python Series 转化为列表的探讨
在数据分析和处理过程中，Python 的 Pandas 库被广泛使用。Pandas 提供了灵活的数据结构，例如 Series 和 DataFrame，方便我们进行数据的操作。本文将重点探讨如何将 Pandas的 Series 转换为 Python 的列表（list），并将以代码示例进行说明。
## 什么是 Pandas Series？
Pan
原创
2024-10-08 04:53:19
74阅读
前言：我们的获得数据是离散的，但是我们想将相关的，可对比的数据联系在一起，那么我们就需要将离散的数据合并在一起。当然不同目的的合并，会有不同的方法。这次的课程目的就是讨论离散数据合并的事情。 import numpy as np
import pandas as pd 层次化索引我们知道一组数据的一个轴向，如果按照不同的分发会有不同的索引，如果将不同的索引同时表现在一张表上，这时候的索引叫
转载
2023-12-19 12:32:34
73阅读
一、pandas 是什么 数据分析。它提供了大量高级的
数据结构和
对数据处理的方法。
pandas 有两个主要的数据结构：
Series 和
DataFrame。
二、Series 一维数组对象 ，类似于 NumPy 的一维 array。它除了包含一组数据还包含一组索引，所以可以把它理解为一组带索引的数组。
将 Python
转载
2023-10-18 11:30:08
118阅读
在研究model近半年的日子里，个人觉得Model Buider中最难的部分当属Model的迭代反复即Iteration，而Iteration中最容易混淆的当属List和Series的概念。今天有幸得到一篇好文章（来自ESRI Geoprocessing Resource Center），结合自己的学习体会，结合例子，总结一下学习体验，望对学习Model Buider的各位有用。上面两个Model
在我们使用pandas进行数据分析时，有时候需要对Series型数据进行拆解，导出，最简单的方法是导出为csv格式：df=pd.DataFrame(series)
df.to_csv('./df.csv')现在我们把数据导出成csv格式了，但是，如果我们还要继续使用这个series数据呢？我们可以用read函数导入 #将第一行作为标签data=pd.read_csv('./rad.csv',ind
转载
2023-05-18 13:00:33
238阅读
