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", "Run", "Wiki"]

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

print(myvar)

 

输出结果如下：

x Google

y Run

z Wiki

dtype: object

 

根据索引值读取数据:

实例

import pandas as pd

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

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

print(myvar["y"])

输出结果如下：

Run

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: "Run", 3: "Wiki"}

myvar = pd.Series(sites)

print(myvar)

 

输出结果如下：

1 Google

2 Run

3 Wiki

dtype: object

 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: "Run", 3: "Wiki"}

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

print(myvar)

 输出结果如下：

1 Google

2 Run

dtype: object

 设置 Series 名称参数：

实例

import pandas as pd

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

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

print(myvar)

 

1 Google

2 Run

Name: RUN-Series-TEST, dtype: object

 

 

 

REF

https://www.runoob.com/pandas/pandas-series.html

 

查看原文