Pandas序列Series

121 阅读 0 评论 0 点赞

Series是Pandas库中最简单也最常用的一个数据结构，非常类似C/C++中的一维数组、Python中的一维列表。本质就是一个可以有索引（下标）和值的一维数组，只不过是竖着排列的，样子就像Excel中的一列。

下面给大家举个简单例子来看看，比如我们有一组数字，5个，放到Series里，可以这么写代码：

import pandas as pd
a=[1,5,7,3,8]

s=pd.Series(a)

print(s)

只有四行，第一行是引入pandas库，第二行是定义了一个list列表，然后第三行是pandas库中Series函数的调用，同时把数据传入。然后返回值s就可以打印了，其运行效果如下：

Series效果

大家可以看到打印是竖着的，也就是一列，只不过除了右侧我们的数字之外，左侧还有对应的索引，默认是0~4 五个分别对应五个数字，这就是Series序列的最简单用法！

进一步的，我们如果不想用默认的0开始递增的索引，想改变其他数值的索引，甚至是字母，都是可以的，比如我们想改成11、12、13、14、15五个索引。顺手为此Series增加一个名字，则可以这么写：

import pandas as pd
a=[1,5,7,3,8]
a_index=[11,12,13,14,15]  #新建的索引值
s=pd.Series(a,a_index,name='dotcpp') #指定Series名称为dotcpp

print(s)

大家可以自行阅读代码，并参考注释。结合运行效果如下：

Series指定索引

索引的作用，可以允许我们通过索引值去找对应的内容，比如想输出8这个值，那我们可以通过索引值15去输出，代码如下：

import pandas as pd
a=[1,5,7,3,8]
a_index=[11,12,13,14,15]
s=pd.Series(a,a_index,name='dotcpp')

print(s[15])

大家可以上机调试更改其中的数值来加深对Series函数的理解，完成之后可以学习Series函数的原型，以更全面的认识Series函数，原型如下：

pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

各个参数意义如下：

data	Series 的数据部分，可以是列表、数组、字典、标量值等。如果不提供此参数，则创建一个空的 Series。
index	Series 的索引部分，用于对数据进行标记。可以是列表、数组、索引对象等。如果不提供此参数，则创建一个默认的整数索引。
dtype	指定 Series 的数据类型。可以是 NumPy 的数据类型，例如 `np.int64`、`np.float64` 等。如果不提供此参数，则根据数据自动推断数据类型。
name	Series 的名称，用于标识 Series 对象。如果提供了此参数，则创建的 Series 对象将具有指定的名称。
copy	是否复制数据。默认为 False，表示不复制数据。如果设置为 True，则复制输入的数据。
fastpath	是否启用快速路径。默认为 False。启用快速路径可能会在某些情况下提高性能。