pandas之Series结构介绍

在对pandas基本结构有了大概的认识后，我们接下来要开始上手，学习如何在这些结构上进行创建，修改，添加，删除，查找等操作。首先我们开始学习Series结构。

一. 创建一个Series

创建一个最基本的Series结构，代码如下：

s = pd.Series(data, index=index)

data是数据值，是可选参数，不填则创建空Series对象；index是自定义的索引列表，是可选择参数，默认是从0开始的递增序列。其中，data可以是很多类型：

数组型结构（列表，元组，ndarray等）
此时若要自定义index，则index长度必需和数组长度一致。

s=pd.Series([1,2,3,4,5],index=[‘a’,‘b’,‘c’,‘d’,‘e’])

字典结构

若不指定index，则字典中的key作为索引，value作为数据值；若指定了索引，则会发生数据对齐（无论什么时候，索引与数据都是对应的，除非人为的改变他们，如果出现了新的索引，那么数据值将为空）。

dict = {'a':0, 'b':1, 'c':2}
s=pd.Series(dict, index=['b','c','d', 'a'])

Out[11]: 
b     1
c     2
d   NaN
a     0
dtype: float64

标量值（数字，字符串）

若不指定index，则会创建只有一个元素的series；若指定了index，那么所有索引对应的数据值都是该标量。

s=pd.Series('apple',index=[1,2,3,4])
print(s)

Out[12]:
1    apple
2    apple
3    apple
4    apple
dtype: object

二. 增加元素

在创建好的Series对象中添加元素，常见的有2种方案：

直接赋值：

s['e']=12

这种方法有风险，若原Series中已经存在索引e，则e对应的数据值将被改为12,；若不存在索引e，则添加新索引和数据。

    append()函数
    append()函数是Series的成员函数，用于连接2个Series对象，该函数会返回一个新的合并后的对象，且不改变原Series。

pandas.Series.append(to_append, ignore_index=False, verify_integrity=False)

    to_append：目标Series
    ignore_index： True为重新构建索引，False则保留原Series索引（可能会重复）
    verify_integrity：True为检测合并后是否有索引冲突，存在则报错

s=pd.Series([1,2,3,4])
s=s.append(pd.Series(5,index=[2]),ignore_index=True)
print(s)

Out[13]:
0    1
1    2
2    3
3    4
4    5

三. 删除元素

python的del语句
直接通过索引删除。

s=pd.Series([1,2,3,4])
del s[3]
print(s)

Out[14]:
0    1
1    2
2    3
dtype: int64

Series的pop()函数：弹出某个索引的值，并将其删除。

Series.pop(index)  #index是索引，只能是一个值，不能是序列

该函数是Series的成员函数，它会返回索引位置的值，然后将其从Series中删除，若索引不存在，则会报错。

Series的drop()函数：根据索引批量删除数据，但不会改变原函数。

s=pd.Series([1,2,3,4])
s1=s.drop([2,3])
print(s)
print(s1)

Out[15]:
0    1
1    2
2    3
3    4
dtype: int64
0    1
1    2
dtype: int64

四. 修改元素

通过索引直接修改
可以通过索引直接修改元素，或者通过切片批量修改元素。

s=pd.Series([1,2,3,4])
s[0]=6
s[1:3]=12
print(s)

Out[16]:
0     6
1    12
2    12
3     4
dtype: int64

update()函数

pandas.Series.update(other_s)

该函数是Series成员函数，它通过其他Series来更新自身。更新操作只会更新那些，原Series与other_s中共有的索引。other_s中其余的值不会被插入到原Series中。
举个例子：

s = pd.Series(['a', 'b', 'c'])
s.update(pd.Series(['d', 'e'], index=[0, 2]))

Out[17]:
0    d
1    b
2    e
dtype: object

若other_s中共同索引对应的值为nan，那么将不会被更新到原索引中。

s = pd.Series([1, 2, 3])
s.update(pd.Series([4, np.nan, 6]))

Out[18]:
0    4
1    2
2    6
dtype: int64

五. 查找与索引

PANDAS是基于Numpy设计的，所以保留了Numpy访问数组的方法，常用的索引操作方式主要包括：

点字符‘ . ’（Series属性）
中括号[ ]
loc
iloc

（一）点字符

Series可以使用 ‘. 索引’ 的方法直接访问值。前提是索引标签符合Python命名标准（比如s.1就是不合法的），同时不能与函数名，保留字等发生冲突。

s=pd.Series([1,2,3],index=['a','b','c'])
print(s.b)

（二）中括号

Series利用中括号索引时，常见的输入主要包括以下几种。注意，当我们定义的索引标签为数字时，会与位置下标发生歧义，所以在使用中括号访问数据时，我不推荐使用位置下标，都使用索引标签，避免发生歧义。pandas为了解决这种歧义，不推荐使用中括号访问数据，取而代之的是使用基于索引标签的loc，与基于位置下标iloc，后面我们会来学习。

位置下标
索引标签
位置/标签序列
切片
布尔型
函数

位置下标与标签索引

s=pd.Series([1,2,3],index=['a','b','c'])
print(s[0]) #位置下标从0开始
print(s['b'])
Out[18]:
1
2

位置/标签序列索引

s=pd.Series([1,2,3],index=['a','b','c'])
print(s[['a','c']])

Out[20]:
a    1
c    3

切片
这里需要注意，与Python语法不同，索引标签切片，包含尾部；位置切片与Python语法相同，不包含尾部。

s=pd.Series([1,2,3],index=['a','b','c'])
print(s['a':'c'])
print(s[0:2])
Out[21]:
a    1
b    2
c    3

a    1
b    2

dtype: int64

布尔型索引

s=pd.Series([1,2,3],index=['a','b','c'])
print(s[(s>1) & (s<3)])

Out[22]:
b    2

函数

s=pd.Series([1,2,3,4])
print(s[lambda x:x>2])
Out[22]:
2    3
3    4

（三）基于标签的loc方法（推荐）

使用loc方法进行数据访问时，必须严格使用索引标签，否则会报错，数字索引标签是支持的，但是数字一定会被理解为标签，而不是位置。如果要访问的索引标签在数据中不存在，也会被报错。
使用loc时的输入如下，使用方法和中括号相似：

索引标签
标签序列
切片
布尔型
函数
切片索引时要注意：
与Python语法不同，标签切片，左闭右闭；位置切片，左闭右开。所以，loc的切片都是左闭右闭。

s=pd.Series([1,2,3],index=['a','b','c'])
print(s.loc['a':'b'])
Out[25]:
a    1
b    2
dtype: int64

（四）基于位置的iloc方法（推荐）

iloc方法与loc方法很类似，区别在于iloc仅支持位置下标索引，否则报错，下标位置从0开始。
使用iloc时的输入如下，使用方法和中括号相似：

位置下标
位置序列
切片
布尔型
函数
切片索引时要注意：
与Python语法不同，标签切片，左闭右闭；位置切片，左闭右开。所以，iloc的切片都是左闭右开。

六.Series最主要的性质：自动对齐

Series和其他数组最关键的区别在于，Series间的操作会自动根据标签对齐数据。因此，你可以直接编写计算，而不用考虑所涉及到的Series是否具有相同的标签。

s=pd.Series([1,2,3],index=['a','b','c'])
s1=pd.Series([2,4,6],index=['a','b','d'])
print(s+s1)

Out[27]:
a    3.0
b    6.0
c    NaN
d    NaN
dtype: float64

可以看到，相同索引的值进行了相加运算，没有匹配的索引被引入了空值nan。

作者：躺在稻田里的小白菜
链接：https://www.jianshu.com/p/e4f856ab8263