Series对象创建及相关属性和运算

一、Series对象

1.Series对象的创建

#用Numpy的一维ndarray数组创建Series对象
import numpy as np
import pandas as pd
s1=pd.Series(np.arange(0,5,2),index=['a','b','c']) #通过index指定索引
print(s1)
输出：
     a    0
     b    2
     c    4
print(s1.values) #输出：[0,2,4]
print(s1.index) #输出：['a', 'b', 'c'], dtype='object'

#用标量值创建Series对象
s2 = pd.Series(25,index= ['a','b','c'])
print(s2)
输出：
      a    25
      b    25
      c    25

#用字典创建Series对象
dict1 = {'Alice':'234','Beth':'901','Cecil':'234'}
sd = pd.Series(dict1)
print(sd)
输出：
      Alice    234
      Beth     901
      Cecil    234
      dtype: object

#用列表创建Series对象
s3 = pd.Series(data = [90,86,95],index = ['Java','C','Python'])
print(s3)
输出：
      Java      90
      C         86
      Python    95
      dtype: int64

2.Series对象的属性

print(s3.shape) #使用shape属性获取Series对象的形状
s3.name='grade'
print(s3.name) #为Series对象s3命名为'grade'
s3.index.name='科目'
print(s3.index.name)#为索引命名
输出:
    (3,)
    grade
    科目

3.Series对象的查看和修改

print(s3['C']) #通过某个索引查看对应的数据
print(s3[1])   #通过默认索引来索取
print(s3.C)    #将索引作为Series对象的属性来获取对应的数据
print(s3[0:2]) #通过截取索引的方式一次读取多个元素
print(s3[['Python','C','Java']]) #通过索引列表一次读取多个元素
print(s3[s3>=90]) #获取数据值大于或等于90的元素
s3['C']=96  #重新赋值修改数据
print(s3['C'])
输出：
86
86
86

科目
Java    90
C       86
Name: grade, dtype: int64

科目
Python    95
C         86
Java      90
Name: grade, dtype: int64

科目
Java      90
Python    95
Name: grade, dtype: int64

96

二、Series对象的基本运算

1.算术运算与函数运算

print(s3+2)
print(np.sqrt(s3)) #计算各数据的平方根
print(s3.count())  #返回s3包含的元素个数
print(s3.drop(labels=['Java','C'])) #删除s3中索引为'Java'和'C'的元素
输出：

科目
Java      92
C         98
Python    97
Name: grade, dtype: int64

科目
Java      9.486833
C         9.797959
Python    9.746794
Name: grade, dtype: float64

3

科目
Python    95
Name: grade, dtype: int64

2.Series对象之间的运算

s5=pd.Series([10,20],index=['c','d'])
s6=pd.Series([2,4,6,8],index=['a','b','c','d'])
print(s5+s6) #相同索引值的相加
输出：
a     NaN
b     NaN
c    16.0
d    28.0
dtype: float64