Pandas 数据结构 – Series

Pandas 数据结构 - 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，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。

创建一个简单的 Series 实例：

实例

import pandas as pd



a = [1, 2, 3]



myvar = pd.Series(a)



print(myvar)

输出结果如下：

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：

实例

import pandas as pd



a = [1, 2, 3]



myvar = pd.Series(a)



print(myvar[1])

输出结果如下：

2

我们可以指定索引值，如下实例：

实例

import pandas as pd



a = ["Google", "Runoob", "Wiki"]



myvar = pd.Series(a, index = ["x", "y", "z"])



print(myvar)

根据索引值读取数据:

实例

import pandas as pd



a = ["Google", "Runoob", "Wiki"]



myvar = pd.Series(a, index = ["x", "y", "z"])



print(myvar["y"])

Runoob

我们也可以使用 key/value 对象，类似字典来创建 Series：

实例

import pandas as pd



sites = {1: "Google", 2: "Runoob", 3: "Wiki"}



myvar = pd.Series(sites)



print(myvar)

从上图可知，字典的 key 变成了索引值。

如果我们只需要字典中的一部分数据，只需要指定需要数据的索引即可，如下实例：

实例

import pandas as pd



sites = {1: "Google", 2: "Runoob", 3: "Wiki"}



myvar = pd.Series(sites, index = [1, 2])



print(myvar)

设置 Series 名称参数：

实例

import pandas as pd



sites = {1: "Google", 2: "Runoob", 3: "Wiki"}



myvar = pd.Series(sites, index = [1, 2], name="ZHISHITU-Series-TEST" )



print(myvar)