Python-Pandas模块Series _Python-Pandas模块Series

1. 什么是Series？Series是一种类似于一维数组的对象，与一维数组对象不同的是Series带有标签（索引），通俗来说就是一维带标签（索引）的一维数组。如下图所示：

文章插图
带有索引的一维数组
2. 如何创建Series？Series是一维带标签（索引）的一维数组，对于Series最关键的也就是索引index和与之对应的value值。

一般格式 (这里的data就是value值的集合)：
s = pd.Series( data , index )

data几种常见的取值类型：

标量值、list列表；
ndarray对象；
dict字典；

index取值规范：

索引值必须是可hashable的（如果一个对象是可散列的，那么在这个对象的生命周期中，他的散列值是不会变的（它需要实现__hash__()方法）），并且索引index的长度必须和value值的长度一致，如果不一致会抛出异常（这点需要格外的注意）；
如果不设置索引，默认索引是从0到n-1的序列值[其中n为data值的长度]；
如果data的类型为dict字典类型，对应的字典中的key值就是对应series对象中的index值；
相同的索引值也是可以的；

下面依照着data的几种常见的类型来分别介绍，中间会穿插着index的取值规范问题：

2.1 data为标量值、list列表

#data:标量值1#index:不指定（默认索引）import pandas as pds = pd.Series(1)print(s)result:01dtype: int64

#data:list列表#index:通过list列表指定，其中data和index长度一致import pandas as pds = pd.Series([1,2,3,4,5],index = ["a","a","c","d","e"])print(s)result:a1a2c3d4e5dtype: int64

注意：

当创建Series对象的时候指定index的时候，index元素个数（此处的index为一个list列表）要和data中元素个数相等；
使用相同的索引值"a"，程序并没有发生异常，索引值可以是相同的；

2.2 data为ndarray对象

import numpy as npimport pandas as pddata = https://www.isolves.com/it/cxkf/bk/2020-07-19/np.arange(5)#使用list作为index索引index2 = ["a","b","c","d","e"]#使用ndarray数组作为index索引index3 = np.array(["a","b","c","d","e"])s = pd.Series(data)s2 = pd.Series(data,index2)s3 = pd.Series(data,index3)print(s)print("-"*6)print(s2)print("-"*6)print(s3)result:0011223344dtype: int32------a0b1c2d3e4dtype: int32------a0b1c2d3e4dtype: int32

注意：

此时的data是ndarray数组类型，而index分别指定了无参数的默认index索引、指定list列表以及指定ndarray数组类型的index 。

2.3 data为dict字典

import pandas as pdd = {"a":0,"b":1,"c":2}s = pd.Series(d)print(s)result:a0b1c2dtype: int64【Python-Pandas模块Series】这里由于将data位置的参数传入字典，将字典的键作为了Series对象的index，所以如果再次指定index的时候会出现一些新的情况：

指定的index中不包含字典中的键值；
指定的index中包含部分字典中的键值；
指定的index中包含全部的字典中键值；

下面就使用代码简单的介绍一下这三种情况。

指定的index中不包含字典中的键值

import pandas as pdd = {"a":0,"b":1,"c":2}s = pd.Series(d,index = ["d","e"])print(s)result:dNaNeNaNdtype: float64

指定的index中包含部分字典中的键值

import pandas as pdd = {"a":0,"b":1,"c":2}s = pd.Series(d,index = ["a","d"])print(s)result:a0.0dNaNdtype: float64

指定的index中包含全部的字典中键值

import pandas as pdd = {"a":0,"b":1,"c":2}s = pd.Series(d,index = ["a","b","c"])print(s)result:a0b1c2dtype: int64总结：
我们知道创建Series对象的一般格式，包含两个参数data和index索引。我们使用Python字典作为创建Series的data，同时我们知道当将字典作为创建Series对象的data的话，Python字典中的key可以作为Series的index，但是此时我们仍然可以继续指定index，通过上面的三种情况的描述，可以得出结论，使用字典创建Series，同时指定index的话，此时的index起到一个筛选的作用，最终的输出结果就是指定的index，如果指定的index在字典中的key中，则将对应的值关联到指定的index中；如果指定的index不在字典中的key中，则将NaN关联到指定index中。由于Python中字典中的key不能够重复，所以虽然Series允许使用有重复的index值，但是如果使用字典创建Series的时候肯定不会有相同的index值。