Een Series maken

Een Pandas Series is een eendimensionale array met labels die elk gegevenstype kan bevatten — gehele getallen, kommagetallen, tekenreeksen, Python-objecten of zelfs andere Series. Zie het als een NumPy-array met een aangepaste index (labels voor elk element). Die index maakt Series veel krachtiger dan gewone arrays voor analysetaken waarbij waarden beschrijvende namen nodig hebben.

Als je een Python-lijst doorgeeft aan pd.Series(), wordt een Series gemaakt met een standaard integer RangeIndex (0, 1, 2, ...). Je kunt aangepaste indexlabels opgeven via de parameter index=. De lengte van de indexlijst moet overeenkomen met de lengte van de gegevens. Labels kunnen tekenreeksen, gehele getallen, datums of andere hashbare Python-objecten zijn.

Je kunt een Python-dict rechtstreeks doorgeven aan pd.Series(). De sleutels van het dict worden de indexlabels en de waarden worden de gegevens. Dit is een van de natuurlijkste manieren om een Series te maken wanneer je gegevens al betekenisvolle labels hebben. De resulterende Series wordt geordend volgens de invoegvolgorde van het dict (Python 3.7+).

Een NumPy ndarray kan als gegevensargument worden doorgegeven. Het dtype van de Series komt overeen met het dtype van de ndarray. De onderliggende gegevens worden opgeslagen als een NumPy-array, dus alle NumPy-ufuncs werken rechtstreeks op Series. Daardoor kun je bestaande NumPy-code eenvoudig naar Pandas overzetten zonder de logica voor gegevensvoorbereiding te herschrijven.

s.index geeft het Index-object terug dat de labels bevat. s.values geeft de onderliggende NumPy-array met gegevenswaarden terug. Beide zijn essentieel voor interoperabiliteit: je kunt s.values aan elke NumPy-functie doorgeven en het resultaat terug omzetten naar een Series met de oorspronkelijke index. s.dtype geeft het gegevenstype van de waarden.

Een Series kan een kenmerk .name hebben dat beschrijft wat de waarden voorstellen, en de index kan een kenmerk .name hebben dat beschrijft wat de labels voorstellen. Deze namen verschijnen in DataFrames wanneer een Series aan een kolom wordt toegewezen en in labels van grafieken. Stel ze in met s.name = 'price' of bij het maken met name=.

Als je één scalaire waarde met een expliciete index doorgeeft aan pd.Series(), wordt een Series gemaakt waarvan elk element gelijk is aan die scalaire waarde. Dit lijkt op NumPy's np.full() en is handig om constante basis-Series te maken die je van een echte gegevens-Series kunt aftrekken of waarmee je deze kunt vergelijken.

Een van de krachtigste functies van Pandas Series is automatische uitlijning van indexen. Wanneer je twee Series optelt, lijnt Pandas ze vóór de berekening uit op basis van hun labels. Als een label in de ene Series voorkomt maar niet in de andere, is het resultaat bij dat label NaN. Dit voorkomt onopvallende fouten met een verschuiving van één positie die vaak voorkomen bij bewerkingen met NumPy-arrays.

len(s) geeft het aantal elementen terug. s.shape geeft een tuple (n,) terug, in overeenstemming met de conventies van NumPy. s.size is hetzelfde als len(s). Gebruik deze controles aan het begin van een pijplijn om te controleren of het laden van je gegevens het verwachte aantal rijen heeft opgeleverd voordat je doorgaat met de analyse.

Je kunt een Series terug converteren naar een Python-lijst met s.tolist(), naar een NumPy-array met s.to_numpy() of s.values, en naar een dict met s.to_dict(). Deze conversies zijn nuttig voor interoperabiliteit met bibliotheken die geen Pandas-objecten accepteren en voor het serialiseren van resultaten naar JSON of CSV.

Een enkele kolom van een DataFrame is een Series. Wanneer je df['col'] gebruikt, geeft Pandas een Series terug met dezelfde index als het DataFrame. Omgekeerd kun je een Series met een name rechtstreeks als kolom in een DataFrame invoegen. Als je deze relatie begrijpt, kun je soepel wisselen tussen bewerkingen op Series en DataFrames.

In deze les heb je geleerd: een Series is een gelabelde 1D-array die is gebaseerd op een NumPy ndarray, je kunt deze maken vanuit lijsten, dicts, NumPy-arrays of scalaire waarden en uitlijning van indexen verwerkt automatisch rekenkundige bewerkingen op basis van labels tussen twee Series. Hierna behandelen we het benaderen van Series-elementen op label met .loc en op positie met .iloc.