（五）Python：Pandas中的Series

目录

基本特征

创建

自动生成索引

自定义生成索引

使用

基本运算

数据对齐

---

基本特征

• 类似一维数组的对象
• 由数据和索引组成
• 有序定长的字典

创建

        Series能创建出带有数据和索引的字典来，且索引（index）与值（value）之间相互独立。创建方法如下所示：

自动生成索引

        Series能创建自动生成索引的字典，索引从0开始，代码如下所示：

import pandas as pd

aSer = pd.Series([1, 2.0, 'a']) # 自带索引
print(aSer)
print(aSer.values)              # 输出值
print(aSer.index)               # 输出键

运行结果如下所示：

生成自带索引的字典

0      1
1    2.0
2      a
dtype: object

值
[1 2.0 'a']

键，和range函数类似
RangeIndex(start=0, stop=3, step=1)

自定义生成索引

        Series除了能创建自动生成索引的字典外，还能自定义生成索引，代码如下所示：

import pandas as pd

bSer = pd.Series(['apple', 'peach', 'lemon'], index=[1, 2, 3])   # 指定索引
print(bSer)
print(bSer.values)    # 输出值
print(bSer.index)     # 输出键

运行结果如下所示：

自定义生成索引的字典·

1    apple
2    peach
3    lemon
dtype: object

值
['apple' 'peach' 'lemon']

自定义的键
Int64Index([1, 2, 3], dtype='int64')

使用

基本运算

        定义好了一个Series之后，我们可以对它进行一些简单的操作，代码如下所示：

import pandas as pd
import numpy as np
aSer = pd.Series([3, 5, 7], index=['a', 'b', 'c'])
print(aSer['c'])    # 取键值
print(aSer*2)       # 值乘2
print(np.exp(aSer))  # 自然对数（e）的N次方, 如e^3

运行结果如下所示：

键值

7

把键值乘以2
a     6
b    10
c    14
dtype: int64

取自然对数（e）的N次方
a      20.085537          = e^3
b     148.413159
c    1096.633158
dtype: float64

数据对齐

        数据对齐是Serie的一个很重要的功能，能简化数据处理，代码如下所示：

import pandas as pd

data = {'AXP': '86.40', 'CSCO': '122.64', 'BA': '99.44'}
sindex = ['AXP', 'CSCO', 'BA', 'AAPL']

aSer = pd.Series(data)  # 根据自身创建一个Series
print(aSer)
print(pd.isnull(aSer))  # 检测哪些值是空的

bSer = pd.Series(data, index= sindex)   # 根据自身的值和把另一个列表作为索引创建一个Series
print(bSer)             # 对应索引无数据的，显示为NaN（Not a number）
print(pd.isnull(bSer))  # 检测哪些值是空的

运行结果如下所示：

根据自身创建一个Series

AXP      86.40
CSCO    122.64
BA       99.44
dtype: object

检测哪些值是空的

AXP     False
CSCO    False
BA      False
dtype: bool

根据自身的值和把另一个列表作为索引创建一个Series
AXP      86.40
CSCO    122.64
BA       99.44
AAPL       NaN
dtype: object

检测哪些值是空的
AXP     False
CSCO    False
BA      False
AAPL     True
dtype: bool

        数据对齐的一个重要功能是：在运算中自动对齐不同索引的数据，代码如下所示：

import pandas as pd

data = {'AXP': '86.40', 'CSCO': '122.64', 'BA': '99.44'}
sindex = ['AXP', 'CSCO', 'BA', 'AAPL']
bSer = pd.Series(data, index= sindex)

aSer = {'AXP':'86.40','CSCO':'122.64','CVX':'23.78'}
cSer = pd.Series(aSer)
print(bSer + cSer)  # 都有数据才会显示，如bSer中无CVX，所以显示为NaN，都有数据的，因为是字符串，便拼接在一起

 运行结果如下所示：

AAPL             NaN
AXP       86.4086.40
BA               NaN
CSCO    122.64122.64
CVX              NaN
dtype: object

        若数据类型是数值型，便会相加，代码如下所示：

import pandas as pd
data = {'AXP':86.40,'CSCO':122.64,'BA':99.44}
sindex = ['AXP', 'CSCO', 'BA', 'AAPL']
aSer = pd.Series(data, index = sindex)
bSer = {'AXP': 86.40, 'CSCO': 130.64, 'CVX': 23.78}
cSer = pd.Series(bSer)
print( (aSer+cSer)/2)    # 数值相加再除2

 运行结果如下所示：

AAPL       NaN
AXP      86.40
BA         NaN
CSCO    126.64
CVX        NaN
dtype: float64