前言
大家好！我是一朵向陽花（花花花），本期跟大家分享的知識是 pandas 數據結構——Series。
作者的【 Python 數據分析】專欄正在火熱更新中，如果本文對您有幫助，歡迎大家點贊 + 評論 + 收藏 ！
每日金句分享：愿你有一天，能和你最重要的人重逢?！弧?艾拉「可塑性記憶」。
一、Series的創(chuàng)建
Series 是一種類似于一維數組的對象，由下面兩部分組成：
values：一組數據，ndarray 類型index：數據索引
顧名思義，我們在創(chuàng)建Series對象時，需要傳遞一組數據，該數據大多數時候是可迭代對象。因此，下面三種創(chuàng)建方式都是將數據傳入到 Series 方法中。
1.1 列表創(chuàng)建
list1 = list('ABCD') # 創(chuàng)建列表
s =pd.Series(list1) # 傳遞列表數據到 Series 方法中
print(s)
print(type(s.values))
print(type(s.index))
1.2 NumPy數組創(chuàng)建
n = np.array(range(5,10))
s2 = pd.Series(n)
s2
1.3 字典創(chuàng)建
前兩種方式，都是只傳遞了數據，那么索引是默認索引（0 ~ N-1）；下面的字典創(chuàng)建方式，則是以字典的鍵為索引，字典的值為數據。
d = {
'a':11,'b':22,'c':33,'d':44
}
s = pd.Series(d)
s
二、Series索引
從以上 Series 的創(chuàng)建中我們可以看出，
Series 的索引是可以修改的。我們先來探討以下索引的作用。
- 獲取元素
有多種獲取方式，s.索引名，s[‘索引名’]，s.loc[‘索引名’]
- 允許修改
（為
s.index重新賦值即可，注意前后數量一致）
顯式即表示使用索引名稱的方式，隱式即表示使用序號的方式。后面的顯式切片和隱式切片也是同理。
2.1 顯式索引
取單個值時，三種方式：（假設Series對象名為s）
- s.索引名（數字索引不能用這種方式）
- s[‘索引名’]
- s.loc[‘索引名’]
取多個值時，返回一個新的 Series 對象，兩種方式（也就是加中括號）：
- s.[[‘索引名1’,‘索引名2’]]
- s.loc[[‘索引名1’,‘索引名2’]]
s = pd.Series(np.array(range(5,10)),index=list('abcde'),name='number')
print(s)
display(s.a,s['a'],s.loc['a'])
2.2 隱式索引
隱式索引和顯示索引的區(qū)別就是它通過數字來獲取值。因為是數字，因此
s.number這種方式肯定不能用了，其他都相同。
取單值，兩種方式：
- s[number]
- s.iloc[number]
取多值，兩種方式：
- s[[number1,number2]]
- s.iloc[[number1,number2]]
s = pd.Series(np.array(range(5,10)),index=list('abcde'),name='number')
print(s)
print('取單值')
print(s[1])
print(s.iloc[1])
print('取多值')
print(s[[1,2]])
print(s.iloc[[1,2]])
三、Series切片
切片操作是獲取一個新的 Series 對象的操作，
顯式切片是為左閉右臂，隱式切片時為左閉右開。
2.1 顯式切片
兩種方式：
- s[索引名1：索引名2]
- s.loc[索引名1：索引名2]
2.2 隱式切片
兩種方式：
- s[number1：number2]
- s.iloc[number1：number2]
s = pd.Series({
'yw':100,
'math':150,
'eng':110,
'Python':130
})
print('數據：',end='')
print('-'*10)
print(s)
print('-'*10)
print('顯式切片')
print(s['yw':'math'])
print('-'*10)
print(s.loc['yw':'math'])
print('-'*10)
print('隱式切片')
print(s[0:1])
print('-'*10)
print(s.iloc[0:1])
四、Series基本屬性和方法
Series基本屬性和方法是讓我們更好了解數據組成的手段。
4.1 屬性
| 屬性 | 作用 |
|---|---|
| s.shape | 查看數據行列 |
| s.ndim | 查看維度，Series 就是一維，ndim 恒等于1 |
| s.size | 查看數據總數 |
| s.index | 查看索引 |
| s.values | 查看數據 |
| s.name | 查看 Series 對象的 name，若未設定則為空 |
4.2 方法
| 方法 | 功能 |
|---|---|
| s.head() | 查看前5條數據，若傳入數字 n ，則查看前 n 條 |
| s.tail() | 查看后5條數據，若傳入數字 n ，則查看后 n 條 |
| s.isnull() | 判斷數據是否為空，空的為 True ，不空的為 False |
| s.notnull() | 判斷數據是否不空，空的為 False ，不空的為 True |
4.3 案例——使用 bool 值去除空值
原理：Series 切片可以再傳入一個 Series 對象，該 Series 對象索引要和原來相同，那么值為 False 的將不會被取出。
請看示例：
s = pd.Series(['a','e','f','b'])
s[pd.Series([True,True,False,True])]
如果改為：
s = pd.Series(['a','e','f','b'])
s[pd.Series([True,True,False,True],index=list('abcd'))]
那么將會報錯：
下面是 Series 去除空值的案例。
s = pd.Series(['zhangsan','lisi','a',np.NAN,None])
print('數據：'+'-'*10)
print(s)
conditon = s.isnull()
print('判空情況：'+'-'*10)
print(conditon)
# 使用 bool 值索引過濾數據
s = s[~conditon]
print('過濾結果：'+'-'*10)
print(s)
五、Series運算
Series 運算包括算術運算和 Series 對象之間運算。算術運算是針對每一個元素的，有 +、-、*、/、 //、 %、 ** 等，這里不再贅述。Series 對象間的運算，只要記住，
索引一個有一個沒有時，計算值為 NaN，其他按照算術運算計算即可。
- 算術運算
s = pd.Series(np.array(range(5,10)))
print(s)
s * 10
- Series對象間的運算
s1 = pd.Series(np.array(range(5,10)))
s2 = pd.Series([3,6,10,12])
print(s1)
print(s2)
s1 + s2 # 索引一個有一個沒有時，計算值為 NaN
六、Series多層行索引
6.1 Series多層索引的構建
Series 不僅支持單層索引，還支持多層索引。最簡單的實現方式就是將
index設置成多維。
下面以二級行索引為例：
s = pd.Series(np.random.randint(60,100,6),index=[['語文','語文','語文','數學','數學','數學'],['小明','小紅','小麗','小明','小紅','小麗']])
print(s)
6.2 Series多層索引的索引和切片操作
對于
Series多層索引的索引和切片操作，只要記住以下兩點：
- 要先取第一層，再取第二層，不能直接取第二層索引
- 獲取到第一層之后，就是一個普通的單層索引 Series
- 隱式索引，直接得到數
具體的方式，還是索引和切片都分為顯式和隱式，下面通過一個案例來演示。
索引：
s = pd.Series(np.random.randint(60,100,6),index=[['語文','語文','語文','數學','數學','數學'],['小明','小紅','小麗','小明','小紅','小麗']])
print(s)
# 索引
print('顯式索引：'+'-'*10)
print(s['語文']) # 獲取到單層 Series
print(s.loc['語文'])
print(s['語文']['小明'],s.loc['語文']['小明']) # 獲取到單個值
print('隱式索引：'+'-'*10)
print(s.iloc[0])
print(s[0]) # 獲取到單個值
切片：
s = pd.Series(np.random.randint(60,100,6),index=[['語文','語文','語文','數學','數學','數學'],['小明','小紅','小麗','小明','小紅','小麗']])
s = s.sort_index()
print(s)
print('顯式切片'+'-'*10)
print(s['數學':'語文'])
print(s.loc['數學':'語文'])
print('隱式切片'+'-'*10)
print(s[0:2])
print(s.iloc[0:2])
結語
?? 本期跟大家分享的 “芝士” 就到此結束了，關于 Series 數據結構，你學會了嗎？?
?? 我是向陽花花花花，在學習的路上一直前行，期待與你一起進步。~ ??文章來源：http://www.zghlxwxcb.cn/news/detail-548358.html
??如果文中有些地方不清楚的話，歡迎聯系我，我會給大家提供思路及解答。??文章來源地址http://www.zghlxwxcb.cn/news/detail-548358.html
相關導讀
| 文章直達 | 鏈接 |
|---|---|
| 上期回顧 | 【數據分析 - 基礎入門之pandas篇①】- pandas介紹 |
| 下期預告 | 【數據分析 - 基礎入門之pandas篇③】- pandas數據結構——DataFrame |
到了這里，關于【數據分析 - 基礎入門之pandas篇②】- pandas數據結構——Series的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網！
