Pandas 数据结构 - Series

什么是Series

Pandas Series 类似表格中的一个列（column），类似于一维数组，可以保存任何数据类型。

Series 由索引（index）和列组成，函数如下：

pandas.Series( data, index, dtype, name, copy)

参数说明：

   data：一组数据(ndarray 类型)。

    index：数据索引标签，如果不指定，默认从 0 开始。

    dtype：数据类型，默认会自己判断。

    name：设置名称。

    copy：拷贝数据，默认为 False。

Series创建

使用数组创建

实例

import pandas as pd

a = [1, 2, 3]

myvar = pd.Series(a)

print(myvar)

输出结果如下：

0    1
1    2
2    3
dtype: int64

使用键值对创建

我们也可以使用 key/value 对象，类似字典来创建 Series： 实例

import pandas as pd

sites = {1: "Google", 2: "Runoob", 3: "Wiki"}

myvar = pd.Series(sites)

print(myvar)

输出结果如下：

从上图可知，字典的 key 变成了索引值。

如果我们只需要字典中的一部分数据，只需要指定需要数据的索引即可，如下实例：

实例

import pandas as pd

sites = {1: "Google", 2: "Runoob", 3: "Wiki"}

myvar = pd.Series(sites, index = [1, 2])

print(myvar)

输出结果如下：

1    Google
2    Runoob
3      Wiki
dtype: object

Series索引

获取全部索引

import pandas as pd

a = [1, 2, 3]

myvar = pd.Series(a)

print(myvar)

print(myvar.index)

print(myvar.values)

默认索引

从上图可知，如果没有指定索引，索引值就从 0 开始，我们可以根据索引值读取数据：

实例

print(myvar[1])

输出结果如下：

2

指定索引

我们可以指定索引值，如下实例：

实例：

import pandas as pd

a = ["Google", "Runoob", "Wiki"]

myvar = pd.Series(a, index = ["x", "y", "z"])

print(myvar)

print(myvar['x'])

输出结果如下：

==========
x    Google
y    Runoob
z      Wiki
dtype: object
Google

设置 Series 名称参数

实例

import pandas as pd

sites = {1: "Google", 2: "Runoob", 3: "Wiki"}

myvar = pd.Series(sites, index = [1, 2], name="RUNOOB-Series-TEST" )

print(myvar)

输出：

1    Google
2    Runoob
Name: RUNOOB-Series-TEST, dtype: object