Series:"一维数组"
1. 和一维数组的区别
# Series 数据结构 # Series 是带有标签的一维数组，可以保存任何数据类型（整数，字符串，浮点数，Python对象等）,轴标签统称为索引 s = pd.Series(np.random.rand(5)) print(s) #从输出可见区别于数组，有了标签。Series = 一维数组+标签组成 print(type(s)) # 查看数据、数据类型 print(s.index,type(s.index)) print(s.values,type(s.values)) # .index查看series索引，类型为rangeindex # .values查看series值，类型是ndarray # 核心：series相比于ndarray，是一个自带索引index的数组 → 一维数组 + 对应索引 # 所以当只看series的值的时候，就是一个ndarray # series和ndarray较相似，索引切片功能差别不大 # series和dict相比，series更像一个有顺序的字典（dict本身不存在顺序），其索引原理与字典相似（一个用key，一个用index）
运行结果：
0 0.732950 1 0.147740 2 0.219600 3 0.038931 4 0.910124 dtype: float64 <class 'pandas.core.series.Series'> RangeIndex(start=0, stop=5, step=1) <class 'pandas.core.indexes.range.RangeIndex'> [0.73295047 0.14774017 0.21959958 0.03893087 0.9101244 ] <class 'numpy.ndarray'>
2. 标签可以多元化，不一定为数字
import pandas as pd S = pd.Series([99,66,78],index = ['Jone','Tom','James']) print(S) print(S.loc['James']) # 用标签去求对应的值 print(S.iloc[0]) #后面会讲
输出：
Jone 99 Tom 66 James 78 dtype: int64 78 99
3. Series 的创建方法：
（1）由字典创建
# Series 创建方法一：由字典创建，字典的key就是index，values就是values dic = {'a':1 ,'b':2 , 'c':3, '4':4, '5':5} s = pd.Series(dic) print(s) # 注意：key肯定是字符串，假如values类型不止一个会怎么样？ → dic = {'a':1 ,'b':'hello' , 'c':3, '4':4, '5':5} #如果值有一个是字符串，那么全都是字符串类型的了
输出结果：
4 4 5 5 a 1 b 2 c 3 dtype: int64
（2）由一维数组创建
# Series 创建方法二：由数组创建(一维数组) arr = np.random.randn(5) s = pd.Series(arr) print(arr) print(s) # 默认index是从0开始，步长为1的数字 s = pd.Series(arr, index = ['a','b','c','d','e'],dtype = np.object) print(s) # index参数：设置index，长度保持一致 # dtype参数：设置数值类型
输出结果：
[-2.56328023 0.87233579 0.47630666 1.91715736 -1.26924024] 0 -2.563280 1 0.872336 2 0.476307 3 1.917157 4 -1.269240 dtype: float64 a -2.56328 b 0.872336 c 0.476307 d 1.91716 e -1.26924 dtype: object
（3）由序列创建
s = pd.Series([11,22,12,56,78,31]) #由序列创建 s
输出结果：
0 11
1 22
2 12
3 56
4 78
5 31
dtype: int64
4. 名称属性：“name"
# Series 名称属性：name s1 = pd.Series(np.random.randn(5)) print(s1) print('-----') s2 = pd.Series(np.random.randn(5),name = 'test') print(s2) print(s1.name, s2.name,type(s2.name)) # name为Series的一个参数，创建一个数组的 名称 # .name方法：输出数组的名称，输出格式为str，如果没用定义输出名称，输出为None s3 = s2.rename('hehehe') print(s3) print(s3.name, s2.name) # .rename()重命名一个数组的名称，并且新指向一个数组，原数组不变
输出结果：
0 -1.285306 1 -0.586416 2 -1.966362 3 -1.507387 4 0.622088 dtype: float64 ----- 0 -0.763427 1 -1.588831 2 -1.676116 3 0.453159 4 -0.874990 Name: test, dtype: float64 None test <class 'str'> 0 -0.763427 1 -1.588831 2 -1.676116 3 0.453159 4 -0.874990 Name: hehehe, dtype: float64 hehehe test
小练习：分别由字典、数组的方式，创建以下要求的Series
import pandas as pd #(1)用字典创建 dic = {'Jack0':90,'Marry':92.,'Tom':89.0,'Zack':65.} d = pd.Series(dic,name = '作业1') print(d,' ') #(2)直接写 s = pd.Series([90.0,92.0,89.0,65.0],index = ['Jack','Marry','Tom','Zack'],name = "作业1") print(s)