Series

El primer tipo de dato que vamos a aprender en pandas es Series

Una series es muy similar a un arreglo de Numpy, la diferencia es que una serie tiene etiquetas en su eje, por tal motivo podemos generar indices por etiquetas en vez de un numero.



In [2]:

    
# librerias
import numpy as np
import pandas as pd

Crear una serie

Se pueden crear series desde listas, arreglos de numpy y diccionarios



In [3]:

    
labels = ['a','b','c']
my_list = [10,20,30]
arr = np.array([10,20,30])
d = {'a':10,'b':20,'c':30}

Usando listas



In [4]:

    
pd.Series(data=my_list)









    Out[4]:





0    10
1    20
2    30
dtype: int64



In [5]:

    
pd.Series(data=my_list,index=labels)









    Out[5]:





a    10
b    20
c    30
dtype: int64



In [6]:

    
pd.Series(my_list,labels)









    Out[6]:





a    10
b    20
c    30
dtype: int64

Arreglos Numpy



In [7]:

    
pd.Series(arr)









    Out[7]:





0    10
1    20
2    30
dtype: int64



In [8]:

    
pd.Series(arr,labels)









    Out[8]:





a    10
b    20
c    30
dtype: int64

Diccionarios



In [9]:

    
pd.Series(d)









    Out[9]:





a    10
b    20
c    30
dtype: int64

Informacion en Series

Una serie de pandas puede tener varios tipos de objetos



In [10]:

    
pd.Series(data=labels)









    Out[10]:





0    a
1    b
2    c
dtype: object



In [11]:

    
# Inclusive funciones
pd.Series([sum,print,len])









    Out[11]:





0      <built-in function sum>
1    <built-in function print>
2      <built-in function len>
dtype: object

Usando indices

La clave al usar series es el entender como se utilizan los indices, ya que pandas los utiliza para hacer consultas rapidas de informacion



In [12]:

    
ser1 = pd.Series([1,2,3,4],index = ['USA', 'Germany','USSR', 'Japan'])



In [13]:

    
ser1









    Out[13]:





USA        1
Germany    2
USSR       3
Japan      4
dtype: int64



In [14]:

    
ser2 = pd.Series([1,2,5,4],index = ['USA', 'Germany','Italy', 'Japan'])



In [15]:

    
ser2









    Out[15]:





USA        1
Germany    2
Italy      5
Japan      4
dtype: int64



In [16]:

    
ser1['USA']









    Out[16]:





1

Operations are then also done based off of index:



In [17]:

    
ser1 + ser2









    Out[17]:





Germany    4.0
Italy      NaN
Japan      8.0
USA        2.0
USSR       NaN
dtype: float64