国内最大的c2c网站,wordpress 图片压缩,中国建设人才网官网证书查询,网站的导入流量怎么做目录
一、用法精讲
79、pandas.Series.dtype属性
79-1、语法
79-2、参数
79-3、功能
79-4、返回值
79-5、说明
79-6、用法
79-6-1、数据准备
79-6-2、代码示例
79-6-3、结果输出
80、pandas.Series.shape属性
80-1、语法
80-2、参数
80-3、功能
80-4、返回值
…目录
一、用法精讲
79、pandas.Series.dtype属性
79-1、语法
79-2、参数
79-3、功能
79-4、返回值
79-5、说明
79-6、用法
79-6-1、数据准备
79-6-2、代码示例
79-6-3、结果输出
80、pandas.Series.shape属性
80-1、语法
80-2、参数
80-3、功能
80-4、返回值
80-5、说明
80-6、用法
80-6-1、数据准备
80-6-2、代码示例
80-6-3、结果输出
81、pandas.Series.nbytes属性
81-1、语法
81-2、参数
81-3、功能
81-4、返回值
81-5、说明
81-6、用法
81-6-1、数据准备
81-6-2、代码示例
81-6-3、结果输出
82、pandas.Series.ndim属性
82-1、语法
82-2、参数
82-3、功能
82-4、返回值
82-5、说明
82-6、用法
82-6-1、数据准备
82-6-2、代码示例
82-6-3、结果输出
83、pandas.Series.size属性
83-1、语法
83-2、参数
83-3、功能
83-4、返回值
83-5、说明
83-6、用法
83-6-1、数据准备
83-6-2、代码示例
83-6-3、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
79、pandas.Series.dtype属性
79-1、语法
# 79、pandas.Series.dtype属性
pandas.Series.dtype
Return the dtype object of the underlying data.
79-2、参数 无
79-3、功能 用于获取Series中元素的数据类型。
79-4、返回值 返回Series中数据的数据类型。
79-5、说明
79-5-1、当处理大型数据集时明确指定dtype可以帮助节省内存因为不同的数据类型在内存中占用的空间不同。
79-5-2、在某些情况下Pandas可能无法自动推断出最精确的数据类型(例如当数据中包含大量整数但某些值为NaN时Pandas可能将数据类型推断为浮点数)此时显式指定dtype可以避免这种情况。
79-5-3、dtype属性是只读的不能直接修改Series的数据类型如果需要修改数据类型可以使用astype()方法。
79-6、用法
79-6-1、数据准备
无
79-6-2、代码示例
# 79、pandas.Series.dtype属性
import pandas as pd
# 创建一个整数类型的Series
s1 pd.Series([1, 2, 3, 4])
print(s1.dtype)
# 创建一个浮点数类型的 Series
s2 pd.Series([1.1, 2.2, 3.3, 4.4])
print(s2.dtype)
# 创建一个字符串类型的 Series
s3 pd.Series([a, b, c, d])
print(s3.dtype)
# 显式指定数据类型
s4 pd.Series([1, 2, 3, 4], dtypefloat32)
print(s4.dtype)
79-6-3、结果输出
# 79、pandas.Series.dtype属性
# int64
# float64
# object
# float32
80、pandas.Series.shape属性
80-1、语法
# 80、pandas.Series.shape属性
pandas.Series.shape
Return a tuple of the shape of the underlying data.
80-2、参数
80-3、功能 提供有关Pandas Series对象维度信息的快速访问。
80-4、返回值 返回一个元组表示Series的维度在Series中这个元组只有一个值即Series的长度因为Series是一维的数据结构。
80-5、说明
80-6、用法
80-6-1、数据准备
无
80-6-2、代码示例
# 80、pandas.Series.shape属性
import pandas as pd
# 使用列表创建Series
data [1, 2, 3, 4, 5]
series1 pd.Series(data)
print(Series1 shape:, series1.shape)
# 使用字典创建Series
data {a: 1, b: 2, c: 3}
series2 pd.Series(data)
print(Series2 shape:, series2.shape)
# 指定索引
data [1, 2, 3, 4, 5]
index [a, b, c, d, e]
series3 pd.Series(data, indexindex)
print(Series3 shape:, series3.shape)
# 使用标量创建Series
data 5
series4 pd.Series(data, index[a, b, c])
print(Series4 shape:, series4.shape)
80-6-3、结果输出
# 80、pandas.Series.shape属性
# Series1 shape: (5,)
# Series2 shape: (3,)
# Series3 shape: (5,)
# Series4 shape: (3,)
81、pandas.Series.nbytes属性
81-1、语法
# 81、pandas.Series.nbytes属性
pandas.Series.nbytes
Return the number of bytes in the underlying data.
81-2、参数 无
81-3、功能 用于返回Pandas Series对象在内存中占用的总字节数该值包括了Series中所有元素(包括索引)的内存占用。
81-4、返回值 返回一个整数表示Series对象在内存中占用的总字节数该值是根据Series中元素的数量、数据类型以及索引的存储方式等因素计算得出的。
81-5、说明
81-5-1、数据类型影响Series中元素的数据类型会直接影响其内存占用。例如int64类型的数据比float32类型的数据占用更多的内存。
81-5-2、索引也占用内存虽然索引通常占用的内存相对较小但在处理包含大量元素的Series时索引的内存占用也不容忽视。
81-5-3、近似值nbytes返回的是近似值因为它依赖于Pandas和NumPy的内部实现这些实现可能会随着版本的变化而变化。
81-5-4、与 NumPy 兼容性Pandas旨在与NumPy兼容并在许多方面模仿NumPy的API因此nbytes属性的行为与NumPy数组中的相应属性相似。
81-6、用法
81-6-1、数据准备
无
81-6-2、代码示例
# 81、pandas.Series.nbytes属性
import pandas as pd
# 创建一个示例Pandas Series
data pd.Series([10, 20, 30, 40, 50])
# 获取Series所占用的字节数
nbytes data.nbytes
print(fThe Series occupies {nbytes} bytes.)
81-6-3、结果输出
# 81、pandas.Series.nbytes属性
# The Series occupies 40 bytes.
82、pandas.Series.ndim属性
82-1、语法
# 82、pandas.Series.ndim属性
pandas.Series.ndim
Number of dimensions of the underlying data, by definition 1.
82-2、参数 无
82-3、功能 用于返回Series对象的维度数。
82-4、返回值 返回一个整数对于Pandas Series对象ndim属性的返回值总是 1表示Series是一维数据结构。
82-5、说明 无
82-6、用法
82-6-1、数据准备
无
82-6-2、代码示例
# 82、pandas.Series.ndim属性
# 82-1、创建一个Pandas Series
import pandas as pd
s pd.Series([1, 2, 3, 4, 5])
# 使用ndim属性查看Series的维度数
print(s.ndim)# 82-2、创建一个DataFrame
import pandas as pd
df pd.DataFrame({A: [1, 2, 3],B: [4, 5, 6]
})
print(df.ndim)
82-6-3、结果输出
# 82、pandas.Series.ndim属性
# 82-1、创建一个Pandas Series
# 1# 82-2、创建一个DataFrame
# 2
83、pandas.Series.size属性
83-1、语法
# 83、pandas.Series.size属性
pandas.Series.size
Return the number of elements in the underlying data.
83-2、参数 无
83-3、功能 用于返回Series对象的元素数量。
83-4、返回值 返回的是数据结构中包含的元素总数。
83-5、说明 无
83-6、用法
83-6-1、数据准备
无
83-6-2、代码示例
# 83、pandas.Series.size属性
import pandas as pd
# 创建一个Pandas Series
s pd.Series([1, 2, 3, 4, 5])
# 使用size属性查看Series的元素数量
print(s.size)
# 创建一个包含较少元素的Series以作对比
s_short pd.Series([10, 20])
# 查看较短Series的元素数量
print(s_short.size)
83-6-3、结果输出
# 83、pandas.Series.size属性
# 5
# 2
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
