终极指南！创建Pandas Series的2种简单方法

熊猫系列是数据结构中最重要的部分。熊猫系列可以定义为Excel工作表中的一列。我们可以使用SQL数据库，CSV文件和已存储的数据来创建系列。在Pandas中创建系列的方法有很多，但是，我们将以这两种方式进行练习：

——使用ndarray或numpy数组
——使用Python字典
在本熊猫系列教程结束时，我确定您可以在系列上创建并执行任何任务。配套课程请点击这里：

1.什么是Pandas Series？

Pandas Series可以认为是数据结构的基础。它基本上只不过是一维类似数组的结构，可用于处理和操作数据。令它与众不同的是它的索引属性，该属性具有令人难以置信的功能并且易变。配套课程请点击这里：

熊猫系列的参数：
data：这是您希望系列拥有的值。
index：这是与您用于系列的值相关的索引。
dtype：这指定系列中值的类型。
copy：复制输入的数据。

首先，我们导入pandas库。

>>> import pandas as pd

2.如何创建熊猫系列？

导入库后，在第二个代码框中，继续输入以下代码-

>>> dataflair_arr= pd.Series([2,3,-4,6])

这将创建您的系列。

要访问该系列，请对以下代码进行编码-

>>> dataflair_arr

输出-
0 2
1 3
2 -4
3 6
d类型：int64

恭喜你！ 您已经在熊猫中创建了自己的第一个系列。

2.1使用ndarray或numpy数组创建系列
我们还可以使用ndarray或numpy array创建一个序列：
首先，我们将导入numpy库：

>>> import numpy as np

这使我们将库称为np。初始化之后，我们创建一个numpy数组，然后将其变成一系列。

>>> npa = np.array(['d','a','t','a'])
>>> dataflair_ar= pd.Series(npa)
>>> dataflair_ar

第一行创建numpy数组，第二行将其转换为pandas系列。

输出-
0 d
1 a
2 t
3 a
dtype：对象

2.2从python字典创建系列
我们可以从python 字典创建系列。 为此，我们首先需要创建一个字典：

>>> dataflair_dict = { 'Delhi': 12.9, 'Mumbai': 8.4, 'Kolkata': 9.7 }

要将这本词典变成熊猫系列，我们要做的就是：

>>> dataflair_arr3= pd.Series(dataflair_dict)
>>> dataflair_arr3

输出-
Delhi 12.9
Mumbai 8.4
Kolkata 9.7
dtype: float64
dtype：float64

3.如何更改熊猫系列的索引？

为了首先在熊猫系列中建立索引，我们将创建一个列表。配套课程请点击这里：

>>> num=[‘n1’,’n2’,’n3’,’n4’]

这是我们的列表，我们希望它成为值的索引（我们已提供）。因此，我们编写以下代码并运行它：

>>> dataflair_arr2= pd.Series([4,5,-2,2], index=num
>>> dataflair_arr2

输出-

4.如何对系列进行数学运算？

如果要将值检查为相应的索引，只需使用以下命令

>>> dataflair_arr2 [ 'n2' ]

这将返回值5。
我们可以使用参数来过滤一系列值。为此，我们来看下面的示例：

>>> dataflair_arr2 [ dataflair_arr2> 2 ]

这是什么意思？这基本上是告诉该系列您想要一个大于2的所有值的列表。配套课程请点击这里：
运行上面给出的代码，我们得到：
n1 4
n2 5
dtype：int64

因为4和5是pandas系列中唯一的值，所以大于2。如果系列中是否存在某个索引，请使用python本机代码中的'in'参数。

>>> ‘n3’ in dataflair_arr2

这将返回“ True”。

>>> dataflair_arr2*5

输出-
n1 20
n2 25
n3 -10
n4 10
d类型：int64

5.证明缺失值

让我们创建一个城市列表，并将其实现为一系列作为索引：

>>> cities=['Delhi', 'Kolkata', 'Mumbai', 'Chennai']
>>> dataflair_arr4=pd.Series(dict,index=cities)
>>> dataflair_arr4

你有注意到吗？钦奈（Chennai）是新添加的，在原始系列中没有任何价值。在此，金奈的值表示为NaN。
Delhi 12.9
Kolkata 9.7
Mumbai 8.4
Chennai NaN
dtype: float64
NaN是熊猫表示缺失值的方式。

6.如何在熊猫中添加两个系列？

是的，可以在熊猫中添加两个系列。

>>> dataflair_arr4 + dataflair_arr3

输出-
Chennai NaN
Delhi 25.8
Kolkata 19.4
Mumbai 16.8
dtype: float64

7.如何访问熊猫系列中的一系列元素？

假设我们要访问arr4的前2个元素。我们所要做的就是在pandas中使用range函数，我们可以借助'：'来使用它。
访问前两个元素的代码为：

>>> dataflair_arr4 [ ：2 ]

输出-
Delhi 12.9
Kolkata 9.7
dtype: float64

最后两个的代码是：

>>> dataflair_arr4 [ 2 ：]

输出-
Mumbai 8.4
Chennai NaN
dtype: float64

因此，该函数基本上以series [x：y]的方式工作，其中x是范围的第一行的数字，y是范围的最后一行的数字。我们试试吧 ：

>>> dataflair_arr4 [ 1 ：3 ]

输出-
Kolkata 9.7
Mumbai 8.4
dtype: float64

摘要
现在，您可以在熊猫系列上创建并执行任何任务。学习系列概念成为大熊猫的主人是非常重要的。借助熊猫系列，您可以在其他两个数据结构中获得专业知识；数据框和面板。配套课程请点击这里：

更多文章和资料|点击下方文字直达 ↓↓↓
阿里云K8s实战手册
[阿里云CDN排坑指南]CDN
ECS运维指南
DevOps实践手册
Hadoop大数据实战手册
Knative云原生应用开发指南
OSS 运维实战手册