Pandas的Series类型的介绍及常见的Series创建、索引、切片、修改的使用方法

目录

2、Series的创建方式

# 使用列表，创建Series

# 自己指定index,和数据类型，创建Series

#通过字典创建Series(注意：字典中的键就是索引)

3、Series索引和值

3.1、通过索引获取单个元素的值

#默认index的索引

#index修改为非数字类型的索引：①按照修改后的index索引，②按照默认的index索引

#index修改为其他型数据的索引：按照修改后的index索引

3.2、通过切片或索引获取多个元素的值

4、修改Series

4.1、修改Series的values类型：Seriesname.astype(dtype)

4.2、修改Series的元素的值

---

Series类型类似于Numpy的一维数组对象，可以将该类型看做是一组数据与数据相关的标签（索引）联合而构成（带有标签的一维数组对象）。

Series数组对象由两部分构成：

值（value）：一维数组的各元素值，是一个ndarray类型数据。
索引（index）：与一维数组值一一对应的标签。利用索引，我们可非常方便得在Series数组中进行取值。

2、Series的创建方式

Series常用的创建（初始化）方式：

• 列表等可迭代对象
• ndarray数组对象
• 字典对象
• 标量

如果创建Series不指定index，则生成默认的index(0 ~ n-1)

# 使用列表，创建Series

In [1]: import numpy as np
In [2]: import pandas as pd
In [3]: s = pd.Series([1,2,3,4])
In [4]: print(s)
0    1
1    2
2    3
3    4
dtype: int64
In [5]: print(type(s))
<class 'pandas.core.series.Series'>

虽然我们在生成的时候没有设置index值，但Series还是会自动帮我们生成index，这种方式生成的Series结构跟list列表差不多，可以把这种形式的Series理解为竖起来的list列表，左边是index，右边是元素。

# 自己指定index,和数据类型，创建Series

In [1]: import pandas as pd
In [2]: import numpy as np

In [3]: s = pd.Series([1,2,3,4],index = ['A','B','C','D'],dtype=np.int32)
In [4]: print(s,type(s))
A    1
B    2
C    3
D    4
dtype: int32 <class 'pandas.core.series.Series'>

In [5]: s1 = pd.Series(range(1,10,2),index =list("abcde"),dtype=np.int32)
In [6]: print(type(s1),'\n',s)
<class 'pandas.core.series.Series'> 
A    1
B    2
C    3
D    4
dtype: int32

In [7]: import string
In [8]: t = pd.Series(data=np.arange(10),index=list(string.ascii_uppercase[:10]))
In [9]: print(t)
A    0
B    1
C    2
D    3
E    4
F    5
G    6
H    7
I    8
J    9
dtype: int32

#通过字典创建Series(注意：字典中的键就是索引)

In [3]: d = {"name":"jalen","sex":"men","age":27}
In [4]: s = pd.Series(d)
In [5]: print(type(s),s)
<class 'pandas.core.series.Series'> 
name    jalen
sex       men
age        27
dtype: object

In [12]: import string
In [13]: s = pd.Series({string.ascii_uppercase[i]:i for i in range(5)})
In [14]: print(s)
A    0
B    1
C    2
D    3
E    4
dtype: int64</