Python酷库之旅-第三方库Pandas(030)

news2024/11/15 1:37:06

目录

一、用法精讲

79、pandas.Series.dtype属性

79-1、语法

79-2、参数

79-3、功能

79-4、返回值

79-5、说明

79-6、用法

79-6-1、数据准备

79-6-2、代码示例

79-6-3、结果输出

80、pandas.Series.shape属性

80-1、语法

80-2、参数

80-3、功能

80-4、返回值

80-5、说明

80-6、用法

80-6-1、数据准备

80-6-2、代码示例

80-6-3、结果输出

81、pandas.Series.nbytes属性

81-1、语法

81-2、参数

81-3、功能

81-4、返回值

81-5、说明

81-6、用法

81-6-1、数据准备

81-6-2、代码示例

81-6-3、结果输出

82、pandas.Series.ndim属性

82-1、语法

82-2、参数

82-3、功能

82-4、返回值

82-5、说明

82-6、用法

82-6-1、数据准备

82-6-2、代码示例

82-6-3、结果输出

83、pandas.Series.size属性

83-1、语法

83-2、参数

83-3、功能

83-4、返回值

83-5、说明

83-6、用法

83-6-1、数据准备

83-6-2、代码示例

83-6-3、结果输出

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

79、pandas.Series.dtype属性
79-1、语法
# 79、pandas.Series.dtype属性
pandas.Series.dtype
Return the dtype object of the underlying data.
79-2、参数

        无

79-3、功能

        用于获取Series中元素的数据类型。

79-4、返回值

        返回Series中数据的数据类型。

79-5、说明

79-5-1、当处理大型数据集时,明确指定dtype可以帮助节省内存,因为不同的数据类型在内存中占用的空间不同。

79-5-2、在某些情况下,Pandas可能无法自动推断出最精确的数据类型(例如,当数据中包含大量整数但某些值为NaN时,Pandas可能将数据类型推断为浮点数),此时,显式指定dtype可以避免这种情况。

79-5-3、dtype属性是只读的,不能直接修改Series的数据类型,如果需要修改数据类型,可以使用astype()方法。

79-6、用法
79-6-1、数据准备
79-6-2、代码示例
# 79、pandas.Series.dtype属性
import pandas as pd
# 创建一个整数类型的Series
s1 = pd.Series([1, 2, 3, 4])
print(s1.dtype)
# 创建一个浮点数类型的 Series  
s2 = pd.Series([1.1, 2.2, 3.3, 4.4])
print(s2.dtype)
# 创建一个字符串类型的 Series  
s3 = pd.Series(['a', 'b', 'c', 'd'])
print(s3.dtype)
# 显式指定数据类型  
s4 = pd.Series([1, 2, 3, 4], dtype='float32')
print(s4.dtype)
79-6-3、结果输出
# 79、pandas.Series.dtype属性
# int64
# float64
# object
# float32
80、pandas.Series.shape属性
80-1、语法
# 80、pandas.Series.shape属性
pandas.Series.shape
Return a tuple of the shape of the underlying data.
80-2、参数
80-3、功能

        提供有关Pandas Series对象维度信息的快速访问。

80-4、返回值

        返回一个元组,表示Series的维度,在Series中,这个元组只有一个值,即Series的长度,因为Series是一维的数据结构。

80-5、说明
80-6、用法
80-6-1、数据准备
80-6-2、代码示例
# 80、pandas.Series.shape属性
import pandas as pd
# 使用列表创建Series
data = [1, 2, 3, 4, 5]
series1 = pd.Series(data)
print("Series1 shape:", series1.shape)
# 使用字典创建Series
data = {'a': 1, 'b': 2, 'c': 3}
series2 = pd.Series(data)
print("Series2 shape:", series2.shape)
# 指定索引
data = [1, 2, 3, 4, 5]
index = ['a', 'b', 'c', 'd', 'e']
series3 = pd.Series(data, index=index)
print("Series3 shape:", series3.shape)
# 使用标量创建Series
data = 5
series4 = pd.Series(data, index=['a', 'b', 'c'])
print("Series4 shape:", series4.shape)
80-6-3、结果输出
# 80、pandas.Series.shape属性
# Series1 shape: (5,)
# Series2 shape: (3,)
# Series3 shape: (5,)
# Series4 shape: (3,)
81、pandas.Series.nbytes属性
81-1、语法
# 81、pandas.Series.nbytes属性
pandas.Series.nbytes
Return the number of bytes in the underlying data.
81-2、参数

        无

81-3、功能

        用于返回Pandas Series对象在内存中占用的总字节数,该值包括了Series中所有元素(包括索引)的内存占用。

81-4、返回值

        返回一个整数,表示Series对象在内存中占用的总字节数,该值是根据Series中元素的数量、数据类型以及索引的存储方式等因素计算得出的。

81-5、说明

81-5-1、数据类型影响:Series中元素的数据类型会直接影响其内存占用。例如,int64类型的数据比float32类型的数据占用更多的内存。

81-5-2、索引也占用内存:虽然索引通常占用的内存相对较小,但在处理包含大量元素的Series时,索引的内存占用也不容忽视。

81-5-3、近似值:nbytes返回的是近似值,因为它依赖于Pandas和NumPy的内部实现,这些实现可能会随着版本的变化而变化。

81-5-4、与 NumPy 兼容性:Pandas旨在与NumPy兼容,并在许多方面模仿NumPy的API,因此,nbytes属性的行为与NumPy数组中的相应属性相似。

81-6、用法
81-6-1、数据准备
81-6-2、代码示例
# 81、pandas.Series.nbytes属性
import pandas as pd
# 创建一个示例Pandas Series
data = pd.Series([10, 20, 30, 40, 50])
# 获取Series所占用的字节数
nbytes = data.nbytes
print(f"The Series occupies {nbytes} bytes.")
81-6-3、结果输出
# 81、pandas.Series.nbytes属性
# The Series occupies 40 bytes.
82、pandas.Series.ndim属性
82-1、语法
# 82、pandas.Series.ndim属性
pandas.Series.ndim
Number of dimensions of the underlying data, by definition 1.
82-2、参数

        无

82-3、功能

        用于返回Series对象的维度数。

82-4、返回值

        返回一个整数,对于Pandas Series对象,ndim属性的返回值总是 1,表示Series是一维数据结构。

82-5、说明

        无

82-6、用法
82-6-1、数据准备
82-6-2、代码示例
# 82、pandas.Series.ndim属性
# 82-1、创建一个Pandas Series
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5])
# 使用ndim属性查看Series的维度数
print(s.ndim)

# 82-2、创建一个DataFrame
import pandas as pd
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})
print(df.ndim)
82-6-3、结果输出
# 82、pandas.Series.ndim属性
# 82-1、创建一个Pandas Series
# 1

# 82-2、创建一个DataFrame
# 2
83、pandas.Series.size属性
83-1、语法
# 83、pandas.Series.size属性
pandas.Series.size
Return the number of elements in the underlying data.
83-2、参数

        无

83-3、功能

        用于返回Series对象的元素数量。

83-4、返回值

        返回的是数据结构中包含的元素总数。

83-5、说明

        无

83-6、用法
83-6-1、数据准备
83-6-2、代码示例
# 83、pandas.Series.size属性
import pandas as pd
# 创建一个Pandas Series
s = pd.Series([1, 2, 3, 4, 5])
# 使用size属性查看Series的元素数量
print(s.size)
# 创建一个包含较少元素的Series以作对比
s_short = pd.Series([10, 20])
# 查看较短Series的元素数量
print(s_short.size)
83-6-3、结果输出
# 83、pandas.Series.size属性
# 5
# 2

二、推荐阅读

1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1939148.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

2024杭电多校1——1008位运算

Problem Description 小丁最近对位运算很感兴趣,通过学习,他知道了按位与 ⊗,按位异或 ⊕,以及按位或 ⊖ 三种常见位运算。 按位与 ⊗:二进制下每一位做与,即 0⊗00,0⊗10,1⊗00,1⊗11。 按位异或 ⊕&am…

【MySQL】:想学好数据库,不知道这些还想咋学

客户端—服务器 客户端是一个“客户端—服务器”结构的程序 C(client)—S(server) 客户端和服务器是两个独立的程序,这两个程序之间通过“网络”进行通信(相当于是两种角色) 客户端 主动发起网…

SQL GROUPING运算符详解

在大数据开发中,我们经常需要对数据进行分组和汇总分析。 目录 1. GROUPING运算符概念2. 语法和用法3. 实际应用示例4. GROUPING运算符的优势5. 高级应用场景5.1 与CASE语句结合使用5.2 多维数据分析 6. 性能考虑和优化技巧7. GROUPING运算符的局限性8. 最佳实践9. GROUPING与其…

第6章 单片机的定时器/计数器

6.1 定时/计数器的结构与工作原理 6.2 定时器的控制 6.3 定时/计数器的工作方式 6.4 定时/计数器的编程和应用 6.1 定时/计数器的结构与工作原理 6.1.1 定时/计数器的基本原理 纯软件定时/计数方法: 定时——空循环预定周次,等待预定时间 计数—…

义务外贸wordpress独立站主题

健身器材wordpress网站模板 跑步机、椭圆机、划船机、动感单车、健身车、深蹲架、龙门架、健身器材wordpress网站模板。 https://www.jianzhanpress.com/?p4251 农业机械wordpress网站模板 植保机械、畜牧养殖机械、农机配件、土壤耕整机械、农业机械wordpress网站模板。 …

鸿蒙开发 03 封装 @ohos/axios (最新深度封装)

鸿蒙开发 03 封装 ohos/axios (最新深度封装) 1、安装 ohos/axios2、开始封装2.1 新建 utils 文件夹 和 api 文件夹2.2 在 utils 文件夹里新建 http.ts2.3 在 api 文件夹里新建 api.ets 3、页面调用4、打印结果 1、安装 ohos/axios ohpm install ohos/a…

Linux中进程的控制

一、进程的创建 1、知识储备 进程的创建要调用系统接口&#xff0c;头文件 #include<unistd.h> 函数fork() 由于之前的铺垫我们现在可以更新一个概念 进程 内核数据结构&#xff08;task_struct, mm_struct, 页表....&#xff09; 代码 数据 所以如何理解进程的独…

如何在 Odoo 16 中覆盖现有控制器

Odoo 中使用控制器来开发前端模块。后端模块链接到控制器。我们可以通过使用覆盖属性对基类进行修改来修改编程逻辑或向现有程序添加新逻辑。 要将控制器添加到模块,第一步,您必须为控制器创建一个单独的目录。在此目录中,应将一个 init 文件和包含控制器方法的所有 python…

Python中发送邮件的艺术:普通邮件、PDF附件与Markdown附件

用的是qq邮箱&#xff0c;具体获取smtp的password可以看这个文章 获取密码 Python中发送邮件的艺术&#xff1a;普通邮件、PDF附件与Markdown附件 在今天的博客中&#xff0c;我们将探讨如何使用Python的smtplib库来发送电子邮件&#xff0c;包括发送普通文本邮件、携带PDF文件…

初学 Linux 必知必会的 X 个知识点

文章目录 一、Linux 系统与 Windows 系统的差别二、Linux 命令行初识1. 终端界面2. 路径的含义3. 命令结构说明4. 常见的 Linux 命令4-1. 文件和目录操作4-2. 网络相关命令 5. 使用命令行时的小技巧5-1. 使用 TAB 键补全5-2. 巧用通配符 *5-3. 命令行历史功能 三、文件的详细信…

代码:前端与数据库交互的登陆界面

<!DOCTYPE html> <html lang"en"> <head> <meta charset"UTF-8"> <meta name"viewport" content"widthdevice-width, initial-scale1.0"> <title>登录</title> </head> <body>…

flutter 充电气泡

前言&#xff1a; 之前一直看到 有手机充电的时候 有气泡从Type-C 的位置冒泡上来 慢慢上移&#xff0c; 然后和上面的圆圈 会和&#xff0c;感觉还是挺好看的。今天试了下用 Flutter 实现了一版本。大致效果如下&#xff0c;而且气泡 和 气泡直接还可以粘黏 实现原理&#xff…

U盘数据误删如何恢复?

问&#xff1a;U盘数据误删如何恢复&#xff1f; 答&#xff1a; 1.若出现U盘中的文件被误删后第一步&#xff1a;不进行任何写入操作&#xff08;向U盘中复制或移动文件&#xff09;&#xff0c; 接着直接拔掉U盘。 2.在电脑上下载数据恢复软件&#xff0c;给大家推荐一个数据…

stm32学习:(寄存器2)GPIO总体说明

目录 GPIO的主要特点 GPIO的8种工作模式 GPIO电路结构 GPIO输出模式 输出流程 复用输出模式 GPIO输入模式 输入流程 模拟输入流程 GPIO相关的7个寄存器 GPIOx_CRL GPIOx_CRH GPIOx_IDR GPIOx_ODR GPIOx_BSRR GPIOx_BRR GPIOx_LCKR 实例 三个灯流水灯 main.…

0305-0308TTL逻辑门电路

逻辑门电路-逻辑描述中的问题 3.5TTL逻辑门电路3.5.1BJT的开关特性BJT的开关时间 3.5.2TTL反相器的基本电路1.电路组成2.TTL反相器的工作原理 3.5.3改进型TTL门电路-抗饱和TTL门电路1.抗饱和TTL门电路2.其他TTL门电路 3.7逻辑描述中的几个问题3.7.1正负逻辑问题3.7.2 基本逻辑门…

VirtualBox安装增强功能时报错:未能加载虚拟光盘VBoxGuestAdditions.iso 到虚拟电脑

VirtualBox安装增强功能时报错&#xff1a;未能加载虚拟光盘VBoxGuestAdditions.iso 到虚拟电脑 选中一个虚拟机 进入设置点击存储 再点击光盘样子的加号进入后就可以选择 添加 选中双击就好&#xff0c;我已经添加过了 所以我的会在上面 选中一个虚拟机 进入设置 点击存储 再点…

基于单片机的智能窗帘系统设计

【 摘 要 】 随着物联网技术的发展,智能家居越来越受到业界的关注,针对目前市场上智能窗帘的弊端,设计了一款基于单片机的智能窗帘 。 普遍窗帘需要手工进行控制,遥控窗帘通常需要远程控制,智能窗帘与之相比,可以实现自主控制。 系统前端探测器采用光敏传感器,对光线进行…

小程序中视频课程下载工具使用教程,一键下载小程序中的视频课程!

前言&#xff1a; 现代随着知识付费时代的发展&#xff0c;我们很多视频课程或需要学习的资料是保存在小程序当中的&#xff0c;但是现在很多小程序它是禁止让我们下载我们所观看到的视频课程的&#xff0c;这就给我们带来了很多不方便。今天我就教大家如何一键下载小程序中的…

python实现图像对比度增强算法

python实现直方图均衡化、自适应直方图均衡化、连接组件标记算法 1.直方图均衡化算法详解算法步骤公式Python 实现详细解释优缺点 2.自适应直方图均衡化算法详解算法步骤公式Python 实现详细解释优缺点 3.连接组件标记算法详解算法步骤8连通与4连通公式Python 实现详细解释优缺…

Qt 使用Installer Framework制作安装包

Qt 使用Installer Framework制作安装包 引言一、下载安装 Qt Installer Framework二、简单使用2.1 创建目录结构 (文件夹结构)2.2 制作程序压缩包2.3 制作程序安装包 引言 Qt Installer Framework (安装程序框架)是一个强大的工具集&#xff0c;用于创建自定义的在线和离线安装…