目录

一、用法精讲

74、pandas.api.interchange.from_dataframe函数

74-1、语法

74-2、参数

74-3、功能

74-4、返回值

74-5、说明

74-6、用法

74-6-1、数据准备

74-6-2、代码示例

74-6-3、结果输出

75、pandas.Series类

75-1、语法

75-2、参数

75-3、功能

75-4、返回值

75-5、说明

75-6、用法

75-6-1、数据准备

75-6-2、代码示例

75-6-3、结果输出 

76、pandas.Series.index属性

76-1、语法

76-2、参数

76-3、功能

76-4、返回值

76-5、说明

76-6、用法

76-6-1、数据准备

76-6-2、代码示例

76-6-3、结果输出

77、pandas.Series.array方法

77-1、语法

77-2、参数

77-3、功能

77-4、返回值

77-5、说明

77-6、用法

77-6-1、数据准备

77-6-2、代码示例

77-6-3、结果输出 

78、pandas.Series.values属性

78-1、语法

78-2、参数

78-3、功能

78-4、返回值

78-5、说明

78-6、用法

78-6-1、数据准备

78-6-2、代码示例

78-6-3、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

74、pandas.api.interchange.from_dataframe函数

74-1、语法

<code># 74、pandas.api.interchange.from_dataframe函数

pandas.api.interchange.from_dataframe(df, allow_copy=True)

Build a pd.DataFrame from any DataFrame supporting the interchange protocol.

Parameters:

df

DataFrameXchg

Object supporting the interchange protocol, i.e. __dataframe__ method.

allow_copy

bool, default: True

Whether to allow copying the memory to perform the conversion (if false then zero-copy approach is requested).

Returns:

pd.DataFrame

74-2、参数

74-2-1、df(必须)：一个类似于数据框的对象，表示要转换为Pandas Data的数据，该对象可以是任何实现了数据框接口的对象，如来自其他(例如Dask、Vaex等)的DataFrame。

74-2-2、allow_copy(可选，默认值为True)：指示在转换过程中是否允许复制数据。如果设置为True，则在需要的情况下，方法可以复制数据来保证数据的一致性和完整性；如果设置为False，方法会尝试避免复制数据，这样可以提高性能和减少内存使用，但可能会导致一些限制。

74-3、功能

        用于从其他数据框架接口中导入数据框架的Pandas API方法，它将其他数据框架对象转换为Pandas DataFrame。

74-4、返回值

        返回值是一个Interchange DataFrame对象，该对象是一个通用的数据框架标准，用于在不同的数据处理库之间交换数据。

74-5、说明

        无

74-6、用法

74-6-1、数据准备

无

74-6-2、代码示例

# 74、pandas.api.interchange.from_dataframe函数

import pandas as pd

from pandas.api.interchange import from_dataframe

# 创建一个示例DataFrame

data = {

'Name': ['Myelsa', 'Bryce', 'Jimmy'],

'Age': [25, 30, 35],

'City': ['New York', 'Los Angeles', 'Chicago']

}

df = pd.DataFrame(data)

# 使用from_dataframe方法转换DataFrame

interchange_df = from_dataframe(df, allow_copy=True)

# 打印转换后的Interchange DataFrame信息

print(type(interchange_df))

print(interchange_df)

74-6-3、结果输出

# 74、pandas.api.interchange.from_dataframe函数

# <class 'pandas.core.frame.DataFrame'>

# Name Age City

# 0 Myelsa 25 New York

# 1 Bryce 30 Los Angeles

# 2 Jimmy 35 Chicago

75、pandas.Series类

75-1、语法

# 75、pandas.Series类

pandas.Series(data=None, index=None, dtype: 'Dtype | None' = None, name=None, copy: 'bool | None' = None, fastpath: 'bool | lib.NoDefault' = <no_default>) -> 'None'

One-dimensional ndarray with axis labels (including time series).

Labels need not be unique but must be a hashable type. The object

supports both integer- and label-based indexing and provides a host of

methods for performing operations involving the index. Statistical

methods from ndarray have been overridden to automatically exclude

missing data (currently represented as NaN).

Operations between Series (+, -, /, \*, \*\*) align values based on their

associated index values-- they need not be the same length. The result

index will be the sorted union of the two indexes.

Parameters

----------

data : array-like, Iterable, dict, or scalar value

Contains data stored in Series. If data is a dict, argument order is

maintained.

index : array-like or Index (1d)

Values must be hashable and have the same length as `data`.

Non-unique index values are allowed. Will default to

RangeIndex (0, 1, 2, ..., n) if not provided. If data is dict-like

and index is None, then the keys in the data are used as the index. If the

index is not None, the resulting Series is reindexed with the index values.

dtype : str, numpy.dtype, or ExtensionDtype, optional

Data type for the output Series. If not specified, this will be

inferred from `data`.

See the :ref:`user guide <basics.dtypes>` for more usages.

name : Hashable, default None

The name to give to the Series.

copy : bool, default False

Copy input data. Only affects Series or 1d ndarray input. See examples.

Notes

-----

Please reference the :ref:`User Guide <basics.series>` for more information.

75-2、参数

75-2-1、data(可选，默认值为None)：表示Series数据，可以是列表、NumPy数组、字典或标量值(如单个数值)，如果是标量值，会将该值赋给Series的每一个元素。

75-2-2、index(可选，默认值为None)：表示索引标签，用于定义Series的索引，如果没有提供，默认会生成一个从0开始的整数索引，长度必须与data的长度相同。

75-2-3、dtype(可选，默认值为None)：表示数据类型。如果没有提供，Pandas会尝试自动推断data的数据类型。

75-2-4、name(可选，默认值为None)：表示Series的名称，可以为Series对象命名，方便在DataFrame中引用。

75-2-5、copy(可选，默认值为None)：如果设为True，则会复制data，通常在传递的是其他Pandas对象时使用，以确保数据不会被修改。

75-2-6、fastpath(可选)：内部使用参数，用于优化性能，通常用户不需要显式设置这个参数。

75-3、功能

        pandas.Series是Pandas库中最基本的数据结构之一，它类似于一维数组，可以存储任意类型的数据(整数、浮点数、字符串等)，该构造函数允许我们从多种数据类型创建一个Series对象。

75-4、返回值

        创建一个pandas.Series对象时，返回值是一个pandas Series对象，该对象具有以下特性：

75-4-1、一维数据结构：Series是一维的，可以看作是一个带有标签的数组。

75-4-2、索引：每个数据元素都有一个对应的标签(索引)，可以通过索引来访问数据。

75-4-3、数据类型：Series中的所有数据类型是一致的(如果在创建时未指定不同类型)。

75-5、说明

        无

75-6、用法

75-6-1、数据准备

无

75-6-2、代码示例

# 75、pandas.Series类

# 75-1、从列表创建Series

import pandas as pd

data = [1, 2, 3, 4, 5]

series1 = pd.Series(data)

print(series1, end='\n\n')code>

# 75-2、从字典创建Series

import pandas as pd

data = {'a': 1, 'b': 2, 'c': 3}

series2 = pd.Series(data)

print(series2, end='\n\n')code>

# 75-3、指定索引和数据类型

import pandas as pd

data = [1.5, 2.5, 3.5]

index = ['a', 'b', 'c']

series3 = pd.Series(data, index=index, dtype=float, name='Example Series')code>

print(series3, end='\n\n')code>

# 75-4、从标量值创建Series

import pandas as pd

scalar_data = 10

series4 = pd.Series(scalar_data, index=['a', 'b', 'c'])

print(series4)

75-6-3、结果输出