2024年最新大数据Python基础之Series数据结构学习_大数据 series是什么意思，2024必看

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

array([0, 1, 2, 3], dtype=int64)
2.创建Series

# 利用实数
a = pd.Series(3, index=list("abc"))
# 利用列表
b = pd.Series(list("he"))
# 利用元组
c = pd.Series(tuple("he"))
# 利用ndarray数组
d = pd.Series(np.zeros(3))
# 利用字典
e = pd.Series({"name":"wang", "age":"12"})
print a, '\n', b, '\n',  c, '\n', d, '\n', e, '\n'

输出：
a 3
b 3
c 3
0 h
1 e
0 h
1 e
0 0
1 0
2 0
age 12
name wang
3.Series与字典的关系
Series不仅可以从字典创建，也可以认为Series是一个长度固定且有序的字典。Series将索引值和数据值按位置配对，在使用字典的上下文中都可以使用Series，通过字典生成Series，默认自动排序，也可以指定索引顺序。没有数据的补NaN，没有索引的排除。
4.Series对象属性
Series的name属性。索引的name属性，索引值也可以通过赋值方式改变。

aa = pd.Series([1, 2, 3], index=list("abc"))
aa.name = "Newname"
aa.index.name = "Newindex"
aa.index =["aa", 'bb', 'cc']
print aa

输出：
aa 1
bb 2
cc 3
Name: Newname
5.Series对象的NumPy风格操作
Series本质上是一个NumPy的数组，因此NumPy的数组处理函数可以直接对Series进行处理。可以使用布尔值数组进行过滤，与标量相乘，应用数学函数，索引值不会参与运算。

o = pd.Series([1, 2, -1, 0])
print o*2
print o[o > 0]
print np.exp(o)

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**