Pandas-2. Series

1.构造函数

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

参数	描述
data	数据，可以是各种形式，如：ndarray,list,constants
index	索引，必须是唯一的，散列的，与数据长度相同。默认为np.arange(n)
dtype	数据类型
copy	是否复制数据，默认false

2. 创建一个Series

以下代码默认引入pandas和numpy，平台为Anaconda启动的Jupyter：

import pandas as pd
import numpy as np

2.1 创建一个空Series

print(pd.Series())

输出

Series([], dtype: float64)

2.2 从ndarray创建一个Series

从ndarray创建时，如果传递索引，索引需要有相同的长度，如果没有传递索引，默认索引是范围(n)。
不传递索引的情况

data = np.array(["a", "b", "c", "d"])
print(pd.Series(data))

输出结果：

0    a
1    b
2    c
3    d
dtype: object

如果传递索引(例子中用了两个相同的索引)

data = np.array(['a','b','c','d'])
s = pd.Series(data,index=[101,103,105,105])
print(s[105])

输出结果

105    c
105    d
dtype: object

2.3 从字典创建一个Series

此时如果不指定索引，按照顺序取得字典键作为索引，如果指定了索引，索引与标签中对应的数据将会取出，对应不上的用空值表示。
不指定索引：

data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data)
print(s)

输出结果：

a    0.0
b    1.0
c    2.0
dtype: float64

指定索引

data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data,index=['b','c','d','a'])
print(s)

输出结果(以索引顺序为准，对应不上的填充nan：

b    1.0
c    2.0
d    NaN
a    0.0
dtype: float64

2.4 从标量创建Series

数据为标量值，必须提供索引，该值将被重复以匹配索引长度。

print(pd.Series(5, index=[0, 1, 2, 3]))

输出结果

0    5
1    5
2    5
3    5
dtype: int64

3. 访问Series

以下作为例子的Series从以下代码创建：

s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])

3.1 从位置

跟python访问数组一样的。注意这里的数组是取得“第多少个”，不是例子里的值，一串例子，不多解释：

print(s[3])
print(s[3:])
print(s[:3])
print(s[-3:])
print(s[:-3])

3.2 从索引

一个索引：

print(s["a"])

多个索引：

print(s[["a", "c"]]