个人的 Python Pandas 库的教程

Series – Pandas 库的核心数据结构

#

Series 是 Pandas 中的一个核心数据结构，类似一个 一维数组 ，每个元素可以通过索引访问。 Series 可以存储 任何 的数据类型。

Series 的特点

#

1. 一维数组
2. 索引访问
3. 任何数据类型的容器
4. 大小不可变
5. 缺失数据补 NaN
6. 多个 Series 运算会自动对齐

创建一个 Series

#

Series 创建需要传递列表或 NumPy 数组等数据结构，可以在创建时指定名字 name 与 索引数组

pandas.Series(
    data=None, index=None,      # 数据源数组    自定义索引数组
    dtype=None, name=None,      # 数组类型      Series 名字
    copy=False, fastpath=False  # 是否复制数据  是否启用快速路径
)

• data 数据源数组，可以是列表、NumPy 数组、字典、标量，如果不提供，则创建一个空的 Series。
• index Series 的索引，可以对数据进行标记，可以是列表、数组、索引对象等。如果不提供，则为一个默认的从 0 开始的索引序列。
• dtype 指定 Series 的数据类型，可以是 NumPy 的数组类型，例如： np.int64, np.float64 ，如果不提供，会自动推断类型。
• name Series 的名字，提供了则会创建带名字的 Series 对象
• copy 是否复制数据。
• fastpath 是否启用快速路径，启用快速路径可能会在某些情况下提高性能。

一个简单的 Series 实例：

>>> pd.Series([1, 2, 3])
0    1          # 索引    数据
1    2
2    3
dtype: int64    # 数据类型

创建一个指定索引值的 Series：

>>> pd.Series(["Stu", "Hit", "Osu"], index=["x", "y", "z"])
x    Stu
y    Hit
z    Osu
dtype: object

如果使用字典作为 data ，则会将 key 作为索引， value 作为数据。

此时 index 参数作为一个截取的范围。

>>> pd.Series({4:"four", 5:"five", 6:"six", 7:"seven"}, index=[4, 6])
4    four       # 只取 4 和 6 两个索引对应的数据
6     six
dtype: object

Series 属性

#

Series 提供以下常用的属性：

Series 方法

#

Series 提供以下常用的方法：

参考资料

#

菜鸟教程 - Pandas

小炜1128 - CSDN