Python小白学数据分析（2）：Pandas概述（中）—— Series

本文链接：https://blog.csdn.net/weixin_44020984/article/details/125343505

这篇博客详细介绍了Pandas中的Series数据结构，包括如何通过标量值、字典实例化Series，以及Series的常用方法如算术运算、索引操作。文中还强调了Series的名称属性和数据对齐的重要性。

摘要由CSDN通过智能技术生成

引言

先介绍下 Pandas 的数据结构，毕竟数据结构是万物的基础。

Pandas 有两种主要的数据结构： Series 和 DataFrame ，本文就先介绍第一种 Series 。

模块导入

首先我们在代码中引入 Pandas 和 Numpy ，如下：

import numpy as np
import pandas as pd

Series

Series 可以简单的理解为一维数组，可以存储整数、浮点数、字符串、Python 对象等类型的数据。
这个概念有点像 Java 中的集合。

如果无法理解的话，那么可以看下面这个图（Excel 简单画画）：

index	data
a	1
b	2
c	3
d	4
e	5

这里的 data 可以是上面提到的那些数据类型，并不仅限于图中的整数。

如果 index 的值未指定，那么将会自动的创建数值类型的索引，从 0 开始，例如：0 ， 1 ， 2， 3 … len(data) - 1 。

创建一个 Series ，这里我们可以使用 pd.Series 函数来创建，如下：

s = pd.Series(np.random.rand(5), index=['a', 'b', 'c', 'd', 'e'])
print(s)
print(s.index)

s1 = pd.Series(np.random.randn(5))
print(s1)

结果如下：

a    0.218164
b    0.153201
c    0.572437
d    0.142784
e    0.710664
dtype: float64
Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
0    0.255452
1    1.354357
2    2.092490
3    0.353899
4    1.692989
dtype: float64

从上面我们可以看到，如果我们手动指定了索引，那么将会按照我们指定的索引进行创建，如果没有指定会直接使用数值索引。

注意：如果我们手动指定索引，索引的长度必须与数据的长度一致。如果不一致，将会抛出 ValueError 的异常，如下：