Pandas基础知识--pd.Series

序列 pd.Series

（附件为代码运行信息）

1、创建序列

序列是带标签索引的一维数组

In [88]:

import pandas as pd

创建序列

In [41]:

a = pd.Series([9.1,9.5,10.0,11]) #未指定索引，索引默认是 0，1，2，3...
a

Out[41]:

0     9.1
1     9.5
2    10.0
3    11.0
dtype: float64

可以在创建序列时指定索引

In [42]:

a = pd.Series([9.1,9.5,10.0,11],index=['a','b','c','d'])
a

Out[42]:

a     9.1
b     9.5
c    10.0
d    11.0
dtype: float64

可以为创建的序列指定名称

In [43]:

a = pd.Series([9.1,9.5,10.0,11],index=['a','b','c','d'],name='t')
a

Out[43]:

a     9.1
b     9.5
c    10.0
d    11.0
Name: t, dtype: float64

2、时间索引

pd.Series的索引可以是数字、字符串，也可以是时间 使用pd.to_datetime()函数 讲字符串序列转换为时间戳索引。默认是时间为世界时（UTC）

UTC -> BJT: +8h BJT -> UTC: -8h

In [44]:

a = pd.Series([9.1,9.5,10.0,11],index=pd.to_datetime(['2010-01-01','2010-01-02','2010-01-03','2010-01-04']),name='t')
a

Out[44]:

2010-01-01     9.1
2010-01-02     9.5
2010-01-03    10.0
2010-01-04    11.0
Name: t, dtype: float64

假设上述设置的时间的BJT，先需要转化为UTC。如下： 使用datetime.timedelta() 函数

In [45]:

import datetime as dt
time_index = pd.to_datetime(['2010-01-01','2010-01-02','2010-01-03','2010-01-04'])
time_index = time_index - dt.timedelta(hours = 8)
a = pd.Series([9.1,9.5,10.0,11],index=time_index,name='t')
a

Out[45]:

2009-12-31 16:00:00     9.1
2010-01-01 16:00:00     9.5
2010-01-02 16:00:00    10.0
2010-01-03 16:00:00    11.0
Name: t, dtype: float64

3、pd.Series对象的算术运算

In [46]:

a = pd.Series([9.1,9.5,10.0,11],index=['a','b','c','d