Python数据分析之Series对象详解

一、教学内容

1. Series对象的简介
2. Series对象的创建
3. Series对象的常用属性
4. Series对象的常用方法
5. 示例代码与实战演练

（1）Series对象的简介：

• 定义: Series是pandas库中一个一维标签化数据结构，可以存储不同类型的数据（数值、字符串、布尔值等）。
• 特点: 标签从0开始，有统一的索引；可以存储不同类型的数据，非常灵活。

（2）Series对象的创建：

• 通过字典创建:

python`data = {'A': 1, 'B': 2, 'C': 3}`

• 通过数组创建:

python`import numpy as np
data = np.array([1, 2, 3])`

• 通过Series创建:

python`from pandas import Series
data = Series(data)`

（3） Series对象的常用属性：

        1、values: 获取Series中的数据值（数组形式）。

        2、index: 获取或设置Series的索引。

（4）Series对象的常用方法 ：

        1、head(): 获取前5个数据。        

        2、tail(): 获取最后5个数据。

        3、describe(): 描述性统计（如计数、平均值、标准差等）。

（5）示例代码与实战演练：

 示例1: 通过字典创建Series对象。

import pandas as pd
data = {'A': 1, 'B': 2, 'C': 3}
s = pd.Series(data)
print(s)  # 输出: A    1 B    2 C    3 dtype: int64

示例2: 使用describe()方法获取描述性统计。

s = pd.Series([1, 2, 3, 4, 5])
print(s.describe())  # 输出: count    5 mean    3.0 std    1.48 min    1 max    5 dtype: float64

 示例3: 使用head()和tail()方法。

s = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
print(s.head())  # 输出: 0    1 1    2 2    3 3    4 4    5 dtype: int64（前5个数据）
print(s.tail())  # 输出: 5    6 6    7 7    8 8    9 dtype: int64（后5个数据）