前言

大家好！本期跟大家分享的知識是 Pandas 數(shù)據(jù)結構—Series。

一、Series的創(chuàng)建

Series 是一種類似于一維數(shù)組的對象，由下面兩部分組成：

• values：一組數(shù)據(jù)，ndarray 類型
• index：數(shù)據(jù)索引

顧名思義，我們在創(chuàng)建 Series 對象時，需要傳遞一組數(shù)據(jù)，該數(shù)據(jù)大多數(shù)時候是可迭代對象。因此，下面三種創(chuàng)建方式都是將數(shù)據(jù)傳入到 Series 方法中。

1.1 列表數(shù)組創(chuàng)建

以列表作為數(shù)據(jù)創(chuàng)建 Series。

list1 = list('ABCD') # 創(chuàng)建列表
s =pd.Series(list1) # 傳遞列表數(shù)據(jù)到 Series 方法中
print(s)
print(type(s.values))
print(type(s.index))
###########結果###########
0    A
1    B
2    C
3    D
dtype: object
<class 'numpy.ndarray'>
<class 'pandas.core.indexes.range.RangeIndex'>

以數(shù)組作為數(shù)據(jù)創(chuàng)建 Series。

n = np.array(range(5,10))
s2 = pd.Series(n)
s2
###########結果###########
0    5
1    6
2    7
3    8
4    9
dtype: int32

1.2 字典創(chuàng)建

前兩種方式，都是只傳遞了數(shù)據(jù)，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(shù)據(jù)。

d = {
'a':11,'b':22,'c':33,'d':44
}
s = pd.Series(d)
s
###########結果###########
a    11
b    22
c    33
d    44
dtype: int64

1.3 通過標量創(chuàng)建

s = pd.Series(100,index=range(5))
s
###########結果###########
0    100
1    100
2    100
3    100
4    100
dtype: int64

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(shù)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(shù)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'])
###########結果###########
a    5
b    6
c    7
d    8
e    9
Name: number, dtype: int32

5

5

5

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(shù)字來獲取值。因為是數(shù)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]])
###########結果###########
a    5
b    6
c    7
d    8
e    9
Name: number, dtype: int32
a    5
b    6
c    7
d    8
e    9
Name: number, dtype: int32
取單值
6
6
取多值
b    6
c    7
Name: number, dtype: int32
b    6
c    7
Name: number, dtype: int32

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閉，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(shù)據(jù)：',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])
###########結果###########
數(shù)據(jù)：----------
yw        100
math      150
eng       110
Python    130
dtype: int64
----------
顯式切片
yw      100
math    150
dtype: int64
----------
yw      100
math    150
dtype: int64
----------
隱式切片
yw    100
dtype: int64
----------
yw    100
dtype: int64

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(shù)據(jù)組成的手段。

4.1 屬性

4.2 方法

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])]
###########結果###########
0    a
1    e
3    b
dtype: object

如果改為：

s = pd.Series(['a','e','f','b'])
s[pd.Series([True,True,False,True],index=list('abcd'))]
###########結果###########

那么將會報錯：

IndexingError                             Traceback (most recent call last)
E:\Temp/ipykernel_15804/3537358820.py in <module>
      1 s = pd.Series(['a','e','f','b'])
----> 2 s[pd.Series([True,True,False,True],index=list('abcd'))]

D:\PF\Anaconda3\lib\site-packages\pandas\core\series.py in __getitem__(self, key)
   1001 
   1002         if com.is_bool_indexer(key):
-> 1003             key = check_bool_indexer(self.index, key)
   1004             key = np.asarray(key, dtype=bool)
   1005             return self._get_values(key)

D:\PF\Anaconda3\lib\site-packages\pandas\core\indexing.py in check_bool_indexer(index, key)
   2550         indexer = result.index.get_indexer_for(index)
   2551         if -1 in indexer:
-> 2552             raise IndexingError(
   2553                 "Unalignable boolean Series provided as "
   2554                 "indexer (index of the boolean Series and of "

IndexingError: Unalignable boolean Series provided as indexer (index of the boolean Series and of the indexed object do not match).

下面是 Series 去除空值的案例。

s = pd.Series(['zhangsan','lisi','a',np.NAN,None])
print('數(shù)據(jù)：'+'-'*10)
print(s)
conditon = s.isnull()
print('判空情況：'+'-'*10)
print(conditon)
# 使用 bool 值索引過濾數(shù)據(jù)
s = s[~conditon]
print('過濾結果：'+'-'*10)
print(s)
###########結果###########
數(shù)據(jù)：----------
0    zhangsan
1        lisi
2           a
3         NaN
4        None
dtype: object
判空情況：----------
0    False
1    False
2    False
3     True
4     True
dtype: bool
過濾結果：----------
0    zhangsan
1        lisi
2           a
dtype: object

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
###########結果###########
0    5
1    6
2    7
3    8
4    9
dtype: int32

0    50
1    60
2    70
3    80
4    90
dtype: int32

• 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
###########結果###########
0    5
1    6
2    7
3    8
4    9
dtype: int32
0     3
1     6
2    10
3    12
dtype: int64

0     8.0
1    12.0
2    17.0
3    20.0
4     NaN
dtype: float64

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(xiàn)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(shù)學','數(shù)學','數(shù)學'],['小明','小紅','小麗','小明','小紅','小麗']])
print(s)
###########結果###########
語文  小明    90
    小紅    72
    小麗    97
數(shù)學  小明    81
    小紅    74
    小麗    84
dtype: int32

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(shù)

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(shù)學','數(shù)學','數(shù)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
###########結果###########
語文  小明    94
    小紅    95
    小麗    60
數(shù)學  小明    66
    小紅    84
    小麗    76
dtype: int32
顯式索引：----------
小明    94
小紅    95
小麗    60
dtype: int32
小明    94
小紅    95
小麗    60
dtype: int32
94 94
隱式索引：----------
94
94

切片：

s = pd.Series(np.random.randint(60,100,6),index=[['語文','語文','語文','數(shù)學','數(shù)學','數(shù)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(shù)學':'語文'])
print(s.loc['數(shù)學':'語文'])
print('隱式切片'+'-'*10)
print(s[0:2])
print(s.iloc[0:2])
###########結果###########
數(shù)學  小麗    67
    小明    64
    小紅    92
語文  小麗    84
    小明    99
    小紅    82
dtype: int32
顯式切片----------
數(shù)學  小麗    67
    小明    64
    小紅    92
語文  小麗    84
    小明    99
    小紅    82
dtype: int32
數(shù)學  小麗    67
    小明    64
    小紅    92
語文  小麗    84
    小明    99
    小紅    82
dtype: int32
隱式切片----------
數(shù)學  小麗    67
    小明    64
dtype: int32
數(shù)學  小麗    67
    小明    64
dtype: int32

結語

?? 本期跟大家分享的 “芝士” 就到此結束了，關于 Series 數(shù)據(jù)結構，你學會了嗎？?

?? 我是南晨曦，在學習的路上一直前行，期待與你一起進步。~ ??

??如果文中有些地方不清楚的話，歡迎聯(lián)系我，我會給大家提供思路及解答。??

參考文檔

python數(shù)據(jù)分析：Pandas之Series文章來源地址http://www.zghlxwxcb.cn/news/detail-635023.html

到了這里，關于【數(shù)據(jù)分析專欄之Python篇】五、pandas數(shù)據(jù)結構之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(wǎng)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(wǎng)！