Series
Giới thiệu
Trong Pandas, Series là mảng 1 chiều bao gồm một danh sách giá trị, và một mảng chứa index
của các giá trị. Trong dữ liệu dảng bảng, mỗi Series được xem như là một cột của bảng đó.
Cách đơn giản để tạo Series như sau
s = pd.Series(data, index=None, name=None)
Trong đó data có thể có dạng:
-
dạng List của Python hoặc dạng
numpy.array -
dictionary của Python
-
là một hằng số duy nhất
index có thể truyền hoặc không, tùy vào dạng của data mà index sẽ được định nghĩa khác nhau.
name là tên của Series, giá trị này cũng không nhất thiết phải truyền vào.
Các cách khởi tạo
Khởi tạo Series bằng một giá trị duy nhất
Đây là cách khởi tạo đơn giản nhất, dữ liệu truyền vào chỉ là một giá trị duy nhất
pd.Series(data=1)
0 1
dtype: int64
Bạn cũng có thể khởi tạo Series với nhiều phần tử gióng nhau
pd.Series(data=1, index=[1, 2, 3])
1 1
2 1
3 1
dtype: int64
Khởi tạo Series bằng List hoặc dạng numpy.array
Bây giờ ta có thể khởi tạo một Series với dữ liệu đầu vào là một List đơn giản ["một", "hai", "ba"]
pd.Series(data=["một", "hai", "ba"])
Lúc này, hệ thống sẽ mặc định index sẽ có giá trị từ 0 đến độ dài của list - 1 tức là 2
0 một
1 hai
2 ba
dtype: object
Chúng ta có thể thay đổi mặc đinh index truyền vào bằng cách thêm vào biến index như ví dụ dưới đây
pd.Series(data=["một", "hai", "ba"], index=["m", "h", "b"])
m một
h hai
b ba
dtype: object
Khi chúng ta truyền index có độ dài nhỏ hơn độ dài của mảng đưa vào thì pandas sẽ báo lỗi, trong ví dụ dưới đây mình sẽ
truyền index chỉ 2 phần tử trong khi data có 3 phần tử
pd.Series(data=["một", "hai", "ba"], index=["m", "h"])
ValueError: Length of values (3) does not match length of index (2)
Tương tự khi truyền index có độ dài lớn hơn, pandas cũng báo lỗi tương tự
pd.Series(data=["một", "hai", "ba"], index=["m", "h", "b","t"])
ValueError: Length of values (3) does not match length of index (4)
Bạn cũng có thể thay thế list bằng numpy array như sau
pd.Series(data=np.array(["một", "hai", "ba"]), index=["m", "h", "b"])
m một
h hai
b ba
dtype: object
Ngoài ra chúng ta có thể đặt tên cho Series bằng tham số name, tuy nhiên mình thấy không cần thiết lắm
pd.Series(data=np.array(["một", "hai", "ba"]), index=["m", "h", "b"], name='meow')
m một
h hai
b ba
Name: meow, dtype: object
Khởi tạo Series bằng dictionary
giả sử chúng ta có Dictionary như sau
{"a": 0, "b":1, "c": 2}
Khi khởi tạo Series ta chỉ cần gọi đơn giản
pd.Series({"a": 0, "b":1, "c": 2} )
a 0
b 1
c 2
dtype: int64
Lúc này Series sẽ lấy thứ tự keys của dictionary theo thứ tự là ["a", "b", "c"]
Tuy nhiên khi ta truyền vào với dictionary {"b": 1, "a":0, "c": 2}, Series vẫn giữ nguyên thứ tự index là ["b", "a", "c"] chứ không sắp xếp theo bảng chữ cái
pd.Series({"b": 1, "a":0, "c": 2})
b 1
a 0
c 2
dtype: int64
Trong trường hợp bạn truyền biến index vào, Series sẽ đánh index dựa vào thứ tự trong index, và chỉ chứa các giá trị của dict có key nằm trong index.
Với các giá trị trong biến index không có trong keys của dict, Series sẽ tạo ra các giá trị bị thiếu NaN.
Ví dụ
pd.Series({"a": 0, "b": 1, "c": 2, "e": 4}, index=["b", "c", "d", "a"])
Trong ví dụ này, giá trị d có trong index nhưng không là key trong dictionary, do đó Series sẽ mặc định giá trị tại index d là NaN. Ngược lại, trong dictionary có key e nhưng trong
index truyền vào không có giá trị này nên Series sẽ không lưu giá trị của key e là 4
b 1.0
c 2.0
d NaN
a 0.0
dtype: float64
NaN là giá trị mặc định cho dữ liệu bị thiếu trong pandas và giá trị này có kiểu
là float64 nên kiểu dữ liệu của Series cũng là float64 khác với int64 ở ví dụ trước đó.
Một số thao tác cơ bản với Series
Thao tác trên Series cũng giống với thao tác trên numpy.array. Ngoài ra chúng ta còn có thể
tác với Series dựa vào index
Ví dụ ta khởi tạo một Series và gán vào biến s
s = pd.Series(data=[0, 1, 2, 3, 4, 5], index=["a", "b", "c", "d", "e", "f"])
Hiển thị toàn bộ giá trị của Series
Để xem toàn bộ các giá trị của một Series, ta có thể gọi thuộc tính .values, kết quả sẽ trả về dạng numpy.ndarray
s.values
array([0, 1, 2, 3, 4, 5])
type(s.values)
numpy.ndarray
Vì kết quả trả về của .values là numpy.ndarray nên ta có thao tác một số phép tính trên numpy như cộng thêm giá trị
s.values + 1
array([1, 2, 3, 4, 5, 6], dtype=int64)
Hoặc nhân
s.values * 2
array([ 0, 2, 4, 6, 8, 10], dtype=int64)
Trong khi đó, muốn nối thêm giá trị với một list cho trước, thay vì chuyển về .values, ta có thể chuyển về dạng list bằng phương thức .to_list() rồi áp dụng các phương thức cho kiểu list.
s.to_list() + [6, 7, 8, 9, 10]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
Truy cập một phần tử trong Series
Theo indice
indice trong Series thể hiện vị trí của phần tử Series đó, hiểu nôm na là nó ở vị trí thứ mấy, dòng thứ mấy của Series
s[2]
2
Theo index
index trong Series thể hiện chỉ mục của phần tử Series đó, không giống như indice, index có thể là kiểu số hoặc kiểu chữ hoặc có thể là kiểu datetime
s["c"]
2
Như ví dụ trên, Series s của chúng ta đã được đánh index là dạng chữ, ["a", "b", "c", "d", "e", "f"]. Vậy nếu chúng ta có index là dạng số thì sẽ như thế nào?
Ví dụ ta có một Series có index khác so với indice
s2 = pd.Series(data=[0, 1, 2, 3, 4, 5], index=[0, 2, 3, 5, 8, 9])
s2
0 0
2 1
3 2
5 3
8 4
9 5
dtype: int64
Lúc này khi truyền s2[3] thì kết quả sẽ là
s2[3]
2
Vậy nếu chúng ta có index là dạng số thì việc truyền một số vào [] sẽ ưu tiên index của chúng.
Trong ví dụ trên sẽ ưu tiên index là 3 có giá trị 2 chứ không phải là indice 3 có giá trị 3
Lấy Series con của một Series
s = pd.Series(data=[0, 1, 2, 3, 4, 5], index=["a", "b", "c", "d", "e", "f"])
Theo slice indice
s[1:3]
b 1
d 2
dtype: int64
Theo slice index
s["b":"c"]
b 1
c 2
dtype: int64
Theo list indice
s[[1, 2, 4]]
b 1
c 2
e 4
dtype: int64
Theo list index
s[["b", "c", "e"]]
b 1
c 2
e 4
dtype: int64
Theo điều kiện
Chúng ta có thể lấy Series con theo điều kiện
s[s > 3]
e 4
f 5
dtype: int64
Chúng ta có thể lấy phức tạp hơn như lấy những phẩn từ lớn hơn trung bình các phần tử
s[s > s.mean()]
d 3
e 4
f 5
dtype: int64
Theo danh sách boolean
s[[False, False, False, False, True, True]]
e 4
f 5
dtype: int64