一文搞定Pandas核心概念之Series

Pandas概述

Pandas 是 Python 语言的一个扩展程序库，他是一个强大的分析结构化数据的工具集，基础是 Numpy，用于数据分析。安装Pandas命令 ：pip install pandas

Pandas 的主要数据结构是 Series （一维数据）与 DataFrame（二维数据），Series 是一种类似于一维数组的对象，它由一组数据（各种Numpy数据类型）以及一组与之相关的数据标签（即索引）组成。DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。这篇文章我们主要介绍Series！

Pandas Series

Pandas Series 类似表格中的一个列（column），类似于一维数组，可以保存任何数据类型。Series 由索引（index）和列组成，可以通过列表，元组，数组，字典来进行创建，本文重点讲解通过列表方式创建。

函数如下：

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。

一个简单的例子

import pandas as pd

a = [1, 2, 3]

var = pd.Series(a)

print(var)

print(type(var))

输出

0 1

1 2

2 3

dtype: int64

其中输出内容具体解释如下：

如果想获取 var 中的某个值，写法与list一致，如下

print(var[0])

输出1

使用tolist()方法可以将其转化成list

print(var.tolist())

输出[1, 2, 3]

通过如下方法可以获取var的index 和value值

print(var.index.tolist())

print(var.values.tolist())

输出：

[0, 1, 2]

[1, 2, 3]

增加元素

var[3]='a'

print(var.values.tolist())

输出 [1, 2, 3, 'a']

删除元素

del var[0]

print(var.values.tolist())

输出 [2, 3, 'a']

List不和Series

看到这里，有的同学不禁会问，Series与List很像啊？他们有什么区别呢？

Series就是一维数组，从结构上特别像列表，默认的Series是从0到N进行编号的，这个特性和列表很像，打印列表的时候是横排显示，Series是竖排显示，并且显示出了索引。

二者比较如下：

1、列表可以包含任意对象的有序集合 ，Series不可以；

2、二者都可以通过下标索引（位置偏移）访问元素；

3、列表可以改变长度、可任意嵌套，Series不可以；

4、二者都支持原位改变，原位改变指的是序列中的某个元素支持在原位置被改变。

个人体会Series与List最大的不同就是：Series为了能更快的处理数据，某列必须都是相同数据类型的。