Lajur dengan Nama dan Indeks
Perkara yang membezakan Series daripada senarai.
Lajur dengan Nama dan Indeks ialah pelajaran Data Science Academy percuma di CoddyKit. Ini ialah pelajaran 1 daripada 4. Anda boleh membaca keseluruhan pelajaran di bawah secara percuma — kemudian berlatih secara praktikal dalam pelayar menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran Data Science Academy, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus Data Science Academy merangkumi sejumlah 4 pelajaran.
Kenali Series
Series ialah lajur satu dimensi pandas: jujukan nilai yang berkongsi satu nama dan satu jenis. Anggaplah ia sebagai satu lajur hamparan. 📊
Lebih daripada Senarai
Senarai Python biasa hanya menyimpan nilai mengikut susunan. Series memadankan setiap nilai dengan label, jadi setiap item mempunyai kedudukan dan nama yang boleh dicari.
Cipta dengan Cepat
Berikan sebarang senarai kepada pd.Series dan pandas akan membungkusnya untuk anda. Baris di bawah membina Series pertama anda daripada tiga nombor.
import pandas as pd
s = pd.Series([10, 20, 30])
print(s)Indeks Tersembunyi
Perhatikan nombor di sebelah kiri output anda. Itulah indeks: label bagi setiap nilai. Jika tiada indeks dibekalkan, pandas menomborkannya secara automatik bermula daripada 0.
Berikan Label Sebenar
Anda boleh menetapkan label yang bermakna dengan argumen index. Kini setiap nilai mempunyai nama, menjadikan carian seolah-olah ayat biasa. 🏷️
s = pd.Series([90, 75, 88], index=['Ada', 'Bo', 'Cy'])
print(s['Bo'])Satu Jenis di Dalamnya
Setiap Series membawa satu dtype, seperti int64 atau float64. Jenis yang sama membolehkan pandas menjalankan pengiraan pantas pada seluruh lajur serentak.
print(s.dtype)Namakan Keseluruhan Series
Series juga boleh mempunyai nama sendiri, berasingan daripada indeks. Nama itu menjadi pengepala lajur apabila Series menyertai DataFrame.
s.name = 'score'
print(s.name)Nilai dan Indeks Berasingan
Anda boleh mengeluarkan kedua-dua bahagian secara berasingan. Atribut .values memberikan tatasusunan data mentah; .index memberikan label yang menandainya.
print(s.values)
print(s.index)Bina daripada Kamus
Berikan kamus kepada pd.Series dan kuncinya akan menjadi indeks secara automatik. Ini cara terpantas untuk membina lajur berlabel dalam satu langkah.
ages = pd.Series({'Ada': 36, 'Bo': 41})
print(ages)Panjang dan Tinjauan
len(s) memberitahu anda bilangan nilai yang terkandung di dalamnya, manakala .head() hanya menunjukkan beberapa nilai pertama. Kedua-duanya berguna sebagai semakan awal bagi mana-mana Series.
print(len(s))
print(s.head(2))Blok Binaan Lajur
Tindankan beberapa Series bersebelahan dan anda akan mendapat DataFrame. Jadi, menguasai Series bermakna anda sudah memahami separuh daripada pandas. 🧱
Semakan Pantas
Mari kukuhkan pemahaman anda tentang kandungan Series.
Imbas Kembali
Anda mempelajari bahawa Series ialah lajur bernama dengan satu jenis, yang setiap nilainya mempunyai label indeks. Ia ialah blok asas pembinaan DataFrames. Syabas! 🎉
Pelajari Python dengan tutor kecerdasan buatan — percuma
Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Soalan Lazim
Adakah pelajaran “Lajur dengan Nama dan Indeks” percuma?
Ya — teks penuh “Lajur dengan Nama dan Indeks” boleh dibaca secara percuma di web ini. Untuk berlatih secara interaktif menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7, serta membuka kunci baki kursus Data Science Academy, tingkat taraf kepada CoddyKit PRO. Kursus Data Science Academy merangkumi sejumlah 4 pelajaran.
Apakah yang akan saya pelajari dalam “Lajur dengan Nama dan Indeks”?
Perkara yang membezakan Series daripada senarai. Anda berlatih Data Science Academy menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.
Adakah saya memerlukan pengalaman untuk memulakan Data Science Academy?
Tiada pengalaman terdahulu diperlukan. Pembelajaran Data Science Academy di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 1 daripada 4.
Berapa lamakah pelajaran “Lajur dengan Nama dan Indeks” diambil?
Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.
Bolehkah saya menulis dan menjalankan kod dalam pelajaran Data Science Academy ini?
Ya. Setiap pelajaran Data Science Academy menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.
Semua pelajaran dalam kursus ini
- Lajur dengan Nama dan Indeks
- Akses Berdasarkan Label berbanding Kedudukan
- Matematik Series dan Penjajaran
- Mengira dan Mengesan Nilai