Pandas--数据结构 - Series(3)

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 特点：
索引： 每个 Series 都有一个索引，它可以是整数、字符串、日期等类型。如果没有显式指定索引，Pandas 会自动创建一个默认的整数索引。

数据类型： Series 可以容纳不同数据类型的元素，包括整数、浮点数、字符串等。

Series 是 Pandas 中的一种基本数据结构，类似于一维数组或列表，但具有标签（索引），使得数据在处理和分析时更具灵活性。

以下是关于 Pandas 中的 Series 的详细介绍： 创建 Series： 可以使用 pd.Series() 构造函数创建一个 Series 对象，传递一个数据数组（可以是列表、NumPy 数组等）和一个可选的索引数组。

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。

例子：

import pandas as pd
a = [1, 2, 3]
myvar = pd.Series(a)
print(myvar)

结果：

从上图可知，如果没有指定索引，索引值就从 0 开始，我们可以根据索引值读取数据：
例子：

import pandas as pd
a = [1, 2, 3]
myvar = pd.Series(a)
print(myvar[1])

结果：

2

更多 Series 说明
基本操作：

# 获取值
value = series[2]  # 获取索引为2的值
# 获取多个值
subset = series[1:4]  # 获取索引为1到3的值
# 使用自定义索引
value = series_with_index['b']  # 获取索引为'b'的值
# 索引和值的对应关系
for index, value in series_with_index.items():
    print(f"Index: {index}, Value: {value}")

基本运算：

# 算术运算
result = series * 2  # 所有元素乘以2
# 过滤
filtered_series = series[series > 2]  # 选择大于2的元素
# 数学函数
import numpy as np
result = np.sqrt(series)  # 对每个元素取平方根

属性和方法：

# 获取索引
index = series_with_index.index
# 获取值数组
values = series_with_index.values
# 获取描述统计信息
stats = series_with_index.describe()
# 获取最大值和最小值的索引
max_index = series_with_index.idxmax()
min_index = series_with_index.idxmin()

注意事项：

• Series 中的数据是有序的。
• 可以将 Series 视为带有索引的一维数组。
• 索引可以是唯一的，但不是必须的=。
• 数据可以是标量、列表、NumPy 数组等。