pandas Series

Series 结构，也称 Series 序列，是 Pandas 常用的数据结构之一，它是一种类似于一维数组的结构，由一组数据值（value）和一组标签组成，其中标签与数据值之间是一一对应的关系。

Series 可以保存任何数据类型，比如整数、字符串、浮点数、Python 对象等，它的标签默认为整数，从 0 开始依次递增。

---

创建Series对象

pd.Series( data, index, dtype, copy)

参数名称	描述
data	输入的数据，可以是列表、常量、ndarray 数组等。
index	索引值必须是惟一的，如果没有传递索引，则默认为 np.arrange(n)。
dtype	dtype表示数据类型，如果没有提供，则会自动判断得出。
copy	表示对 data 进行拷贝，默认为 False。

1) 创建一个空Series对象

pd.Series()

输出为空:

Series([], dtype: float64)

2) ndarray创建Series对象

ndarray 是 NumPy 中的数组类型，当 data 是 ndarry 时，传递的索引必须具有与数组相同的长度。假如没有给 index 参数传参，在默认情况下，索引值将使用是 range(n) 生成，其中 n 代表数组长度，如下所示：

data = np.array(['a','b','c','d'])
py.Series(data)

0   a
1   b
2   c
3   d
dtype: object

 上述示例中没有传递任何索引，所以索引默认从 0 开始分配 ，其索引范围为 0 到len(data)-1，即 0 到 3。这种设置方式被称为“隐式索引”。

你也可以使用“显式索引”的方法定义索引标签，示例如下： 

data = np.array(['a','b','c','d'])
自定义索引标签（即显示索引）
pd.Series(data,index=[100,101,102,103])

100  a
101  b
102  c
103  d
dtype: object

3) dict创建Series对象

您可以把 dict 作为输入数据。如果没有传入索引时会按照字典的键来构造索引(data(keys) = index)；反之，当传递了索引时需要将索引标签与字典中的值一一对应;

示例1，没有传递索引时：

data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data)

a 0.0
b 1.0
c 2.0
dtype: float64

示例 2，为index参数传递索引时：

data = {'a' : 0., 'b' : 1., 'c' : 2.}
pd.Series(data,index=['b','c','d','a'])

b 1.0
c 2.0
d NaN
a 0.0
dtype: float64

当传递的索引值无法找到与其对应的值时，使用 NaN（非数字 | 空）填充。

4) 标量创建Series对象

如果 data 是标量值，则必须提供索引，示例如下：

pd.Series(100, index=[1, 2, 3, 4, 5])

1    100
2    100
3    100
4    100
5    100
dtype: int64

标量值按照 index 的数量进行重复，并与其一一对应。

---

访问Series数据

如何访问 Series 序列中元素呢？分为两种方式，一种是位置索引访问；另一种是索引标签访问。

1) 位置索引访问

使用元素自身的下标进行访问

s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
print(s[0])  位置下标
print(s['a']) 标签下标

1
1

切片

s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
print(s[:3])

a  1
b  2
c  3
dtype: int64

2) 索引标签访问

Series 类似于固定大小的 dict，把 index 中的索引标签当做 key，而把 Series 序列中的元素值当做 value，然后通过 index 索引标签来访问或者修改元素值。

s = pd.Series([6,7,8,9,10],index = ['a','b','c','d','e'])
print(s['a']）
print(s[['a','c','d']])

6

a    6
c    8
d    9
dtype: int64

Series常用属性

名称	属性
axes	以列表的形式返回所有行索引标签。
dtype	返回对象的数据类型。
empty	返回一个空的 Series 对象。
ndim	返回输入数据的维数。
size	返回输入数据的元素数量。
values	以 ndarray 的形式返回 Series 对象。
index	返回一个RangeIndex对象，用来描述索引的取值范围。

 1) axes

[RangeIndex(start=0, stop=5, step=1)]

2) dtype

float64

3) empty

返回一个布尔值，用于判断数据对象是否为空;

4) ndim

查看序列的维数。根据定义，Series 是一维数据结构，因此它始终返回 1。

5) size

返回 Series 对象的大小(长度);

6) values

以数组的形式返回 Series 对象中的数据;

7) index

该属性用来查看 Series 中索引的取值范围。示例如下：

隐式索引：
Index(['a', 'b', 'c', 'd'], dtype='object')
显示索引：
RangeIndex(start=0, stop=4, step=1)

---

Series常用方法

1)  head()&tail()查看数据

head()	默认 return 前5行数据; (n)
tail()	默认 return 后5行数据; (n)

2) isnull()&nonull()检测缺失值

isnull()	如果为值不存在或者缺失，则返回 True。
notnull()	如果值不存在或者缺失，则返回 False。

s=pd.Series([1,2,5,None])

pd.isnull(s)  #空值返回True
pd.notnull(s) #空值返回False

obj[obj.isnull()] #return NaN
obj[obj.notnull()] #return NO NaN (正常值)
obj[~obj.isnull()]