学习汇总：点这里

系列(Series)是能够保存任何类型的数据(整数，字符串，浮点数，Python对象等)的一维标记数组。轴标签统称为索引。

pandas.Series

Pandas系列可以使用以下构造函数创建 :

pandas.Series( data, index, dtype, copy)。

Python构造函数的参数如下:

编号

参数

描述

1

data

数据采取各种形式，如：ndarray，list，constants

2

index

索引值必须是唯一的和散列的，与数据的长度相同。 默认np.arange(n)如果没有索引被传递。

3

dtype

dtype用于数据类型。如果没有，将推断数据类型

4

copy

复制数据，默认为false。

创建Series

可以使用各种输入创建一个系列，如 :

  1. 数组
  2. 字典
  3. 标量值或常数

1.创建一个空的系列

>>>import pandas as pd
>>>s = pd.Series()
>>>s
Series([], dtype: float64)

>>>s.values
array([], dtype=float64)

>>>s.index
Index([], dtype='object')

2.从ndarray创建一个系列

如果数据是ndarray，则传递的索引必须具有相同的长度。 如果没有传递索引值，那么默认的索引将是范围(n)，其中n是数组长度，即[0,1,2,3…. range(len(array))-1] - 1]。

#这里没有传递任何索引，因此默认情况下，它分配了从0到len(data)-1的索引，即：0到3。
>>>import pandas as pd
>>>import numpy as np
>>>data = np.array(['a','b','c','d'])
>>>s = pd.Series(data)
>>>s
0    a
1    b
2    c
3    d
dtype: object

3.从字典创建一个系列

字典(dict)可以作为输入传递，如果没有指定索引，则按排序顺序取得字典键以构造索引。 如果传递了索引，索引中与标签对应的数据中的值将被拉出。

>>>import pandas as pd
>>>import numpy as np
>>>data = {'a' : 0., 'b' : 1., 'c' : 2.}
>>>s = pd.Series(data,index=['b','c','d','a'])
>>>s
b    1.0
c    2.0
d    NaN
a    0.0
dtype: float64

注意：索引顺序保持不变，缺少的元素使用NaN(不是数字)填充。

4.从标量创建一个系列

如果数据是标量值，则必须提供索引。将重复该值以匹配索引的长度。

>>>import pandas as pd
>>>import numpy as np
>>>s = pd.Series(5, index=[0, 1, 2, 3])
>>>s
0    5
1    5
2    5
3    5
dtype: int64

访问数据

1.系列中的数据可以使用类似于访问ndarray中的数据来访问。

>>>import pandas as pd
>>>s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
>>>s[0]
1

2.检索系列中的前三个元素。 如果a:被插入到其前面，则将从该索引向前的所有项目被提取。 如果使用两个参数(使用它们之间)，两个索引之间的项目(不包括停止索引)。

>>>import pandas as pd
>>>s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
>>>s[:3]
a    1
b    2
c    3
dtype: int64

3.使用索引标签值检索单个元素。

>>>import pandas as pd
>>>s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
>>>s['a']
1

4.使用索引标签值列表检索多个元素。

>>>import pandas as pd
>>>s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
>>>s[['a','c','d']]
a    1
c    3
d    4
dtype: int64