Pandas-数据结构-Series（一）：创建Series【①由字典创建；②由一维数组创建；③由标量创建】【Series的属性：index、values、name】

ゝ一纸荒年。 2023-09-29 08:42 38阅读 0赞

Pandas中一共有三种数据结构，分别为：Series、DataFrame和MultiIndex（老版本中叫Panel ）。其中：

*  Series是一维数据结构；
 *  DataFrame是二维的表格型数据结构；
 *  MultiIndex是三维的数据结构；

Series是一个类似于一维数组的数据结构，它能够保存任何类型的数据，比如整数、字符串、浮点数等，**主要由一组数据和与之相关的索引两部分构成。**

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center]

*  创建
    
     *  pd.Series(\[\], index=\[\])
     *  pd.Series(\{\})
 *  属性
    
     *  对象.index
     *  对象.values

## 一、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。

*  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）

import numpy as np
    import pandas as pd
    
    # 查看数据、数据类型
    s = pd.Series(np.random.rand(5))
    print('s = \n', s)
    print('\ntype(s) = ', type(s))
    
    # .index查看series索引，类型为rangeindex
    print('\ns.index = {0}, type(s.index) = {1}'.format(s.index, type(s.index)))
    # .values查看series值，类型是ndarray
    print('\ns.values = {0}, type(s.values) = {1}'.format(s.values, type(s.values)))

打印结果：

s =
    0    0.809852
    1    0.096700
    2    0.202184
    3    0.838067
    4    0.344407
    dtype: float64
    
    type(s) =  <class 'pandas.core.series.Series'>
    
    s.index = RangeIndex(start=0, stop=5, step=1), type(s.index) = <class 'pandas.core.indexes.range.RangeIndex'>
    
    s.values = [0.80985162 0.09670019 0.20218442 0.83806729 0.34440732], type(s.values) = <class 'numpy.ndarray'>
    
    Process finished with exit code 0

## 二、Series的创建 ##

import pandas as pd
    
    pd.Series(data=None, index=None, dtype=None)

*  data：传入的数据，可以是ndarray、list等
 *  index：索引，必须是唯一的，且与数据的长度相等。如果没有传入索引参数，则默认会自动创建一个从0-N的整数索引。
 *  dtype：数据的类型

### 1、Series 创建方法一：由字典创建 ###

字典的key就是index，values就是values

注意：key肯定是字符串

import pandas as pd
    
    dic = {
        'red':100, 'blue':200, 'green': 500, 'yellow':1000}
    s = pd.Series(data=dic)
    print('s = \n', s)

打印结果：

s = 
    red        100
    blue       200
    green      500
    yellow    1000
    dtype: int64

**假如values类型不止一种，则dtype变为 object：**

import pandas as pd
    
    dic = {
        'a': 1, 'b': 'hello', 'c': 3, '4': 4, '5': 5}
    s = pd.Series(data=dic)
    print('s = \n', s)

打印结果：

s = 
    a        1
    b    hello
    c        3
    4        4
    5        5
    dtype: object

### 2、Series 创建方法二：由数组创建(一维数组) ###

#### 2.1 默认index是从0开始，步长为1的数字 ####

import numpy as np
    import pandas as pd
    
    arr = np.random.randn(5)
    s = pd.Series(data=arr)
    
    print('arr = ', arr)
    print('\ns = \n', s)

打印结果：

arr =  [ 1.82866366  0.75174314 -1.67554372  1.51687102  0.7632735 ]
    
    s = 
    0    1.828664
    1    0.751743
    2   -1.675544
    3    1.516871
    4    0.763273
    dtype: float64

#### 2.2 自定义index ####

import numpy as np
    import pandas as pd
    
    arr = np.random.randn(5)
    print('arr = ', arr)
    
    # index参数：设置index，长度保持一致
    # dtype参数：设置数值类型
    s = pd.Series(data=arr, index=['a', 'b', 'c', 'd', 'e'], dtype=np.object)
    print('\ns = \n', s)

打印结果：

arr =  [-0.30063079 -1.0600119  -1.13511772  0.75371044 -0.87985218]
    
    s = 
    a   -0.300631
    b    -1.06001
    c    -1.13512
    d     0.75371
    e   -0.879852
    dtype: object

### 3、Series 创建方法三：由标量创建 ###

如果data是标量值，则必须提供索引。该值会重复，来匹配索引的长度

import pandas as pd
    
    # Series 创建方法三：由标量创建
    s = pd.Series(data=10, index=range(4))
    print('\ns = \n', s)

打印结果：

s = 
    0    10
    1    10
    2    10
    3    10
    dtype: int64

## 三、Series的属性 ##

为了更方便地操作Series对象中的索引和数据，**Series中提供了两个属性index和values**

### 1、index ###

import pandas as pd
    
    dic = {
        'red':100, 'blue':200, 'green': 500, 'yellow':1000}
    color_count = pd.Series(data=dic)
    print('color_count = \n', color_count)
    print('\ncolor_count.index = ', color_count.index)

打印结果：

color_count = 
    red        100
    blue       200
    green      500
    yellow    1000
    dtype: int64
    
    color_count.index =  Index(['red', 'blue', 'green', 'yellow'], dtype='object')

### 2、values ###

打印结果：

color_count = 
    red        100
    blue       200
    green      500
    yellow    1000
    dtype: int64
    
    color_count.values =  [ 100  200  500 1000]

也可以使用索引来获取数据：

color_count[2]
    
    # 结果
    100

### 3、name属性 ###

import numpy as np
    import pandas as pd
    
    # Series 名称属性：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
    
    s1 = pd.Series(np.random.randn(5))
    print('s1 = \n{0}, \ns1.name = {1}, type(s1.name) = {2}'.format(s1, s1.name, type(s1.name)))
    print('-' * 100)
    
    s2 = pd.Series(np.random.randn(5), name='test')
    print('s2 = \n{0}, \ns2.name = {1}, type(s2.name) = {2}'.format(s2, s2.name, type(s2.name)))
    print('-' * 100)
    
    # .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
    s3 = s2.rename('hehehe')
    print('s3 = \n{0}, \ns3.name = {1}, type(s3.name) = {2}'.format(s3, s3.name, type(s3.name)))

打印结果：

s1 = 
    0    0.327221
    1    1.111763
    2    0.412881
    3   -0.823193
    4    0.855757
    dtype: float64, 
    s1.name = None, type(s1.name) = <class 'NoneType'>
    ----------------------------------------------------------------------------------------------------
    s2 = 
    0    0.399637
    1   -1.042004
    2   -0.725770
    3   -2.863925
    4   -0.840557
    Name: test, dtype: float64, 
    s2.name = test, type(s2.name) = <class 'str'>
    ----------------------------------------------------------------------------------------------------
    s3 = 
    0    0.399637
    1   -1.042004
    2   -0.725770
    3   -2.863925
    4   -0.840557
    Name: hehehe, dtype: float64, 
    s3.name = hehehe, type(s3.name) = <class 'str'>
    
    Process finished with exit code 0

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center]: https://img-blog.csdnimg.cn/20201024233740330.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70#pic_center