Pandas之数据结构解析——Series的介绍

最新推荐文章于 2025-10-13 17:42:14 发布

原创

最新推荐文章于 2025-10-13 17:42:14 发布 · 2.6k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#数据结构 #数据分析 #python #pandas

本文主要介绍了Pandas中的Series数据结构，包括其创建方式、属性、切片操作、dtype以及向量化操作和标签对齐特性。Series是一维数据结构，可以保存多种类型的数据，并通过索引进行便捷操作。其特有的标签对齐功能为数据分析提供了便利。

作为数据分析师，在日常生活中我们会接触到各种各样的需求，其中excel更必不可少，面对庞大数据量，快速的需求我们该如何处理，这时Pandas就显得举足轻重，可以快速有效的处理表格数据，实现快速并准确的输出。

1.Pandas的数据结构详细介绍

Pandas中一共有三种数据结构，分别为Series（一维数据结构）、DataFrame（二维表格型数据结构）、Multilndex（三维数据结构）。

我们今天先来详细的了解下Series的内容：

Series是一个类似于一维数组的数据结构，它能够保存任何类型的数据，比如整数、字符串、浮点数等，主要由一组数据（value）和与之相关的索引（index）两部分构成。

1.1 Series的创建

#入 NumPy 并将 pandas 加载到您的命名空间中：
import pandas as pd
import numpy as np
pd.Series(data = None, index = None, dtype = None)

输出：Series([], dtype: float64)
"""
注释：参数： 
data：传入的数据，可以是ndarray、list等 
index：索引，必须是唯一的，且与数据的长度相等。如果没有传入索引参数，则默认会自动创建一个从0-N的整数索引。 
dtype：数据的类型
"""

请看以下的相关实例：

指定内容，默认索引：

#创建一个Series通过传递值的列表，让Pandas创建一个默认的整数索引：
pd.Series([1,2,3,4,5,6,7,8,9,0])
输出：
0    1
1    2
2    3
3    4
4    5
5    6
6    7
7    8
8    9
9    0
dtype: int64