---

前言

Pandas 是基于 NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。其中Series和DataFrame是两种最主要的数据结构，本文主要介绍Series的使用。

---

一、Series创建与属性

• 基本特征：
  • 类似一维数组的对象
  • 由数据和索引组成
• 属性：
  • 索引(index)：对应是最左侧那一列。
  • 数据(values)：每一个索引的右侧对应一个值。
  • name：Series对象及其索引(index)都有一个name属性。

示例1：

import pandas as pd
aSeries=pd.Series([1,2,'a'])
aSeries
# 输出：
# 0    1
# 1    2
# 2    a
# dtype: object

Series字符串表现形式为：索引在左边，值在右边。

示例2：自定义Series的index。

import pandas as pd
aSeries=pd.Series(['apple','orange','lemon'],index=[1,2,3])
aSeries
# 输出：
# 1     apple
# 2    orange
# 3     lemon
# dtype: objectaSeries.index
# 输出：
# Int64Index([1, 2, 3], dtype='int64')aSeries.index=[4,5,6] #Series索引可以通过赋值的方式就地修改
aSeries
# 输出：
# 4     apple
# 5    orange
# 6     lemon
# dtype: objectaSeries.values
# 输出：
# array(['apple', 'orange', 'lemon'], dtype=object)

示例3：如果数据被存放在一个python字典中，也可以直接通过这个字典来创建Series。

import numpy as np
data={'apple':'8.4','orange':'7','lemon':'4'} 
aSeries=pd.Series(data)
aSeries
# 输出：
# apple     8.4
# orange      7
# lemon       4
# dtype: object

示例4：Series及其索引(index)的name属性

import pandas as pd
aSeries=pd.Series(['apple','orange','lemon'],index=[1,2,3])
aSeries.name="price"
aSeries.index.name="id"
aSeries
# 输出：
# id
# 1     apple
# 2    orange
# 3     lemon
# Name: price, dtype: object

二、Series的索引

示例1：索引单个值

import pandas as pd
aSeries=pd.Series(['apple','orange','lemon'],index=['a','b','c'])
aSeries['a']
# 输出：
# 'apple'aSeries['c']='peach' #Series索引对应的数据可以通过赋值的方式就地修改
aSeries
# 输出：
# a     apple
# b    orange
# c     peach
# dtype: object

示例2：索引一组值

import pandas as pd
aSeries=pd.Series(['apple','orange','lemon'],index=['a','b','c'])
aSeries[['c','a']]
# 输出：
# c    peach
# a    apple
# dtype: object

示例3：层次化索引

import pandas as pd
aSeries= pd.Series(np.random.randn(10),index