Python学习笔记（5-1）：Pandas数据结构之Series

文章导读

 - 课程难度：★★☆☆☆
 - 预计学习时间：40分钟
 - 简介：本节主要讲解了Pandas库中Series数据结构的相关基础知识，包括：（1）两种创建Series的方法；（2）Series的索引特性中，修改索引的两种方法及Series与字典间的联系与区别；（3）Series的运算；
 - 重点涉及的函数和内容：（1）利用pd.Series()函数创建Series；（2）.index和.rename()方法修改索引；（3）对Series的索引进行切片时，切片区间为闭区间；

前言

pandas是基于numpy构建的函数库，其数据结构有许多可以和numpy数组比较的特性。pandas库中有两个数据结构，一是一维的序列（pandas.Series），二是二维的数据框（pandas.DataFrame），二者主要用来处理类似于数据表类型的数据。结合它们的主要功能，从很通俗地理解上，DataFrame就是我们的表，Series就是我们的列。本节将分别从Series的创建、索引特性以及运算三个方面来进行介绍。

一、Series的创建：pd.Series()

Series是Pandas提供的一维数组，由**索引（index）和值（values）**两部分组成，类似于字典的结构，其中值的类型可以不同。创建Series，一般可以传入一个序列化对象（列表、numpy数组等）或是用一个字典构建一个Series
首先导入pandas：

import pandas as pd

1、传入序列化对象（列表或numpy数组）

使用pd.Series(data,index)的方法创建一个Series，其中，data可以为列表或者numpy数组等序列化的对象或字典；index默认为从0开始的非负整数，也可以自定义index。具体示例如下：

a = pd.Series([10,20,30]) #默认index
print(a,'\n')
b = pd.Series(np.arange(4),index=['num1','num2','num3','num4']) #传入numpy数组、自定义index
print(b)

输出结果如下：

0    10
1    20
2    30
dtype: int64 

num1    0
num2    1
num3    2
num4    3
dtype: int32

2、传入字典

参数传入一个字典，将字典的“键”作为索引，来创建Series：

a = pd.Series({
   'num1':10,'num2':20,'num3':30.,'num4':40})
print(a)

输出结果如下：

num1    10.0
num2    20.0
num3    30.0
num4    40.0
dtype: float64

二、Series的索引特性

对于一个Series，可用它的属性values和index来访问它的值和索引：

a = pd.Series([10, 20, 30])
print(a.values,'\n') 	# 从形式上像一个numpy数组
print(a.index)

输出结果如下：

[10 20 30]

RangeIndex(start=0, stop=3, step=1) 

1、修改索引

Series的索引可以在创建时就定义，定义后也可以修改，一般有两种方法，一是通过.index方法访问索引并赋值，二是使用.rename()函数

（1）利用.index方法：

首先，我们可以使用.index方法访问并赋值：

a = pd.Series([10, 20, 30])
a.index = ['num1', 'num2', 'num3']
print(a)

输出结果如下：

num1    10
num2    20
num3    30
dtype: int64

（2）利用.rename()函数

使用.rename()函数对索引进行修改，传入的是一个字典，键和值分别是待修改的索引和替换的新索引值。.rename()函数中有一个参数inplace，默认值为False，指示返回一个新对象，设置为True时表示在原参数上进行直接修改。具体示例如下：

a = pd.Series([10, 20, 30])
a = a.rename({
   
    0: 'num1',
    1: 'num2',