Python-pandas.Series

0.摘要

Pandas相当于是Numpy的升级版本。在numpy中，核心的数据类型为ndarray；而在Pandas中，核心的数据核心Series和DataFrame。本文主要介绍pandas库中的Series类型。

 

1.Series类型简介

Series类型主要由两部分构成：data和index构成。每个index对应一个data，这种对应方式与字典类似，但Series更加灵活。

 

2.Series对象的创建

方式一：直接创建

import pandas as pd

s1 = pd.Series([1, 2, 3, 4, 5, 6])
print(s1)

得到的是一个两列的数据。第二列是创建Series对象时，所用的列表。第一列则是pandas默认生成的index。

方式二：指点index

pandas创建的默认index值，为以0为起点的数组。如果不想采用默认的index，也可以在创建的时候指定。

s2 = pd.Series([1, 2, 3, 4, 5, 6], index=['a', 'b', 'c', 'd', 'e', 'f'])
print(s2)

此时，index值变成了指定的索引列表。

方式三：使用字典

dict1 = {'a':1, 'c':3, 'b':2,  'd':4, 'e':5, 'f':6}
s3 = pd.Series(dict1)
print(s3)

可以看出，pandas自动地将dict.keys作为Series.index，将dict.values作为Series.data。

但是，读者可能会考虑到，字典是无序的。那么pandas是如何处理元素顺序的问题呢？

读者可能也注意到，在例子中，dict1故意将'b':2和‘c’:3的顺序颠倒了一下，但pandas输出的顺序依然不变。

因此，使用字典创建Series方法，要注意元素顺序的问题。较好的解决方法是，额外添加一个index列表。

dict1 = {'a':1, 'c':3, 'b':2,  'd':4, 'e':5, 'f':6}
s3 = pd.Series(dict1, index=['a', 'b', 'c', 'd', 'e', 'f'])
print(s3)

如果，后指定的index与字典中的keys不一致，python并不会报错。python对于index中不存在的项会忽略，对于index中多出来的项会设置为NaN。

dict1 = {'a':1, 'c':3, 'b':2,  'd':4, 'e':5, 'f':6}
s3 = pd.Series(dict1, index=['a', 'b', 'c', 'd', 'e', 'z'])
print(s3)

 

3.Series元素的访问

Series对象的访问有三种方法：

方法一：属性访问：

print(s3.index)
print(s3.values)
print(s3.values[0])

 

方法二：指定索引值

print(s3['a'])
print("===============")
print(s3[['a', 'b']])

方法三：数字索引值、切片索引

print(s3[0])
print("================")
print(s3[1:3])