pandas中Series对象

参考：
Pandas Series入门教程
Pandas 数据结构 - Series

Pandas 数据结构 - Series

理解

这个Series可以简单理解成一列数据，这一列数据是以数组的形式存储的。数组有下标，也就是索引，我们可以指定索引范围，数组中的数据类型也可以指定，还可以给这样一列数据一个名字，就像是列的标题一样。
直观的看，Series长这样：

pandas.Series()

pandas.Series( data, index, dtype, name, copy)

参数说明：

• data：一组数据(ndarray 类型)。
• index：数据索引标签，如果不指定，默认从 0 开始。
• dtype：数据类型，默认会自己判断。
• name：设置名称。
• copy：拷贝数据，默认为 False。

一个一个来看：

第一个参数data

首先想要创建一个Series对象，需要使用pandas.Series()这个函数。
首先需要导入pandas库。

import pandas as pd

现在既然想要创建一个Series对象，那这个Series对象（就想象成一列数据），那么这个列里面的数据是什么，这个数据就是由data参数来指定的。
它可以是python基本类型中的list，dict，也可以是numpy中的ndarray类型。
举例：

import pandas as pd
import numpy as np

#创建一个python列表
a1 = [1,3,5,7,9]
#创建一个numpy中的ndarray类型数组,步长为2
a2 = np.arange(2,11,step=2)

#看一下a1和a2的类型
print(type(a1))
print(type(a2))

#创建一个Series
s1 = pd.Series(data=a1)
s2 = pd.Series(data=a2)

#看一下这个Series
print(s1)

print(s2)

第二个参数index

前面已经说了，这个Series可以看成一列数据，数据是用数组来存储的，数组中就有index，所以这个参数就是来指定我们自己的index。默认情况下，index从0开始，比如上面两个s1与s2就是从0开始的索引：

假设现在有三个学生：[‘张三’,‘李四’,‘王五’]，用这个列表创建一个Series:

stus=['张三','李四','王五']
s = pd.Series(stus)
s

由于每一个学生都有学号，我们不想使用0,1，2，作为索引，想使用学号作为索引。

#创建一个索引，长度需要跟数据的长度一致
index = ['001','002','003']
#使用这个索引
s.index = index
s

也可以直接使用索引取出数据

dtype,name,copy参数

• dtype:指的就是series中数据的类型，Series 的数据类型一般是 NumPy 数据类型。
• name:感觉好像没啥用
• copy:表示对 data 进行拷贝，默认为 False。还没明白

stus=['张三','李四','王五']
#创建一个索引,
index = ['001','002','003']
s = pd.Series(stus,index=index,name='students',copy=True)
s

使用字典创建Series对象

除了可以使用列表或者ndarray类型来创建Series之外，还可以使用字典来创建。

#创建一个字典
d = {
    'a':0,
    'b':1,
    'c':2
}
s = pd.Series(data=d)
s

字典的key作为了Series的索引。

Series 的常用属性和方法。

名称	属性
axes	以列表的形式返回所有行索引标签。
dtype	返回对象的数据类型。
empty	返回一个空的 Series 对象。
ndim	返回输入数据的维数。
size	返回输入数据的元素数量。
values	以 ndarray 的形式返回 Series 对象。
index	返回一个RangeIndex对象，用来描述索引的取值范围。

用一个例子来展示这些方法属性：

#np.random.randn(5)生成5个服从标准正态分布的数据
s = pd.Series(np.random.randn(5))
s

axes

s.axes:可以看出返回的是Series的索引范围，这里给出的信息表示：这个索引是从0开始的，到5停止，步长为1，的列表

那么如果把索引改一下，改成字符类型，返回的结果是：

#np.random.randn(5)生成5个服从标准正态分布的数据
s = pd.Series(np.random.randn(5),index=['1','2','3','4','5'])
s

还是可以直接返回出索引的范围

dtype

没感觉啥用

empty

Series为空:返回True：

否则返回False

ndim

查看序列的维数。根据定义，Series 是一维数据结构，因此它始终返回 1

size

返回 Series 对象的大小(长度)。也就是Series中有几个数据

values

以数组（ndarray）的形式返回 Series 对象中的数据。

这个应该是用的比较多的一个属性。

index

该属性用来查看 Series 中索引的取值范围。

和上面的axes好像没啥区别。

Series常用方法

1) head()&tail()查看数据

如果想要查看 Series 的某一部分数据，可以使用 head() 或者 tail() 方法。
head:头，默认返回前5行数据
tail：尾，默认返回后5行数据

s = pd.Series(np.random.randn(10))
s

#指定返回前3行
print(s.head(3))

print('---------------------')
#默认返回前5行
print(s.head())

#指定返回后3行
print(s.tail(3))

print('---------------------')
#默认返回后5行
print(s.tail())

2) isnull()&nonull()检测缺失值

isnull() 和 nonull() 用于检测 Series 中的缺失值。所谓缺失值，顾名思义就是值不存在、丢失、缺少。

• isnull()：如果为值不存在或者缺失，则返回 True。
• notnull()：如果值不存在或者缺失，则返回 False，值存在就返回True

s=pd.Series([1,3,5,None])
s

print(pd.isnull(s))  #是空值返回True
print('-------------------')
print(pd.notnull(s)) #空值返回False

可以看到它是对Series中的每一个数据都做了一个检查。