将 NumPy 数组转换为 Pandas 系列

Pandas 是一个数据分析库，它提供了强大的数据结构，如 Pandas 系列，它是一种类似于 NumPy 数组的一维数组，但可以由自定义索引标签标识。

在很多情况下，我们需要将 NumPy 数组转换为 Pandas 系列。在接下来的内容中，我们将详细介绍如何进行这个过程。

创建 Pandas 系列对象

我们可以使用 pandas.Series (data=[ ], index=[ ]) 函数来创建一个 Pandas 系列对象。其中，data 是一个数组，它可以是标量值，Python 列表，NumPy 数组或 Pandas 系列。index 是一个可选参数，它可以是一组轴标签。如果没有提供索引，则将创建默认的索引。

import numpy as np
import pandas as pd

# 创建一个 NumPy 数组
arr = np.array([10, 20, 30, 40, 50])

# 将 NumPy 数组转换为 Pandas 系列
s = pd.Series(data=arr)

# 打印 Pandas 系列
print(s)

输出结果：

0    10
1    20
2    30
3    40
4    50
dtype: int64

使用自定义索引标签

我们可以使用 index 参数指定自定义索引标签。

import numpy as np
import pandas as pd

# 创建一个 NumPy 数组
arr = np.array([10, 20, 30, 40, 50])

# 将 NumPy 数组转换为 Pandas 系列，并使用自定义索引标签
s = pd.Series(data=arr, index=['a', 'b', 'c', 'd', 'e'])

# 打印 Pandas 系列
print(s)

输出结果：

a    10
b    20
c    30
d    40
e    50
dtype: int64

从 2D NumPy 数组创建 Pandas 系列

我们可以使用 pd.DataFrame (data= ) 函数创建一个 Pandas 数据帧对象，从中获取 Pandas 系列。

import numpy as np
import pandas as pd

# 创建一个 2D NumPy 数组
arr = np.array([[10, 20, 30], [40, 50, 60]])

# 创建一个 Pandas 数据帧对象
df = pd.DataFrame(data=arr, columns=['A', 'B', 'C'])

# 从 Pandas 数据帧中获取列 A 的 Pandas 系列
s = df['A']

# 打印 Pandas 系列
print(s)

输出结果：

0    10
1    40
Name: A, dtype: int64

从条件表达式创建 Pandas 系列

我们可以使用条件表达式创建一个布尔值的 NumPy 数组，然后将其转换为 Pandas 系列。

import numpy as np
import pandas as pd

# 创建一个布尔值的 NumPy 数组
arr = np.array([True, False, True, False, True])

# 将布尔值的 NumPy 数组转换为 Pandas 系列
s = pd.Series(data=arr)

# 打印 Pandas 系列
print(s)

输出结果：

0     True
1    False
2     True
3    False
4     True
dtype: bool

从字典创建 Pandas 系列

我们可以使用字典创建一个 Pandas 系列，其中字典的键将用作索引标签。

import pandas as pd

# 创建一个字典
data = {'a': 10, 'b': 20, 'c': 30, 'd': 40, 'e': 50}

# 将字典转换为 Pandas 系列
s = pd.Series(data=data)

# 打印 Pandas 系列
print(s)

输出结果：

a    10
b    20
c    30
d    40
e    50
dtype: int64