Pandas Series结构对象的创建与访问方法

Pandas Series结构是什么？

Pandas Series是一种类似于一维数组的数据结构，可以存储任意类型的数据，包括整数、浮点数、字符串、Python对象等。Series有两个主要的部分：索引和值，其中索引用于标识每个值的位置，可以是整数、字符串或其他数据类型。Series中的每个值都与一个索引值对应，因此可以通过索引来访问数据。Series的特点包括：

• 一维数组：Pandas Series是一种一维数组，可以轻松地存储和操作数据。
• 灵活的索引：Pandas Series的索引可以是数字、字符串或其他数据类型，因此可以根据需要对数据进行灵活的操作。
• 数据对齐：在进行算术运算时，Pandas Series会自动对齐不同索引的数据，这样可以避免出现缺失值或NaN。
• 缺失值处理：Pandas Series提供了多种方法来处理缺失值，包括删除、填充和插值等。

Pandas 创建Series对象

Pandas 使用 Series() 函数来创建 Series 对象，通过这个对象可以调用相应的方法和属性，从而达到处理数据的目的。

有4种创建Pandas Series() 对象的方法：

使用Python列表创建Series对象

import pandas as pd

data = [1, 2, 3, 4, 5]
s = pd.Series(data)
print(s)

输出结果：

0    1
1    2
2    3
3    4
4    5
dtype: int64

使用Python字典创建Series对象

import pandas as pd

data = {'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5}
s = pd.Series(data)
print(s)

输出结果：

a    1
b    2
c    3
d    4
e    5
dtype: int64

使用numpy数组创建Series对象

import pandas as pd
import numpy as np

data = np.array([1, 2, 3, 4, 5])
s = pd.Series(data)
print(s)

输出结果：

0    1
1    2
2    3
3    4
4    5
dtype: int64

指定Series对象的索引

import pandas as pd

data = [1, 2, 3, 4, 5]
index = ['a', 'b', 'c', 'd', 'e']
s = pd.Series(data, index=index)
print(s)

输出结果：

a    1
b    2
c    3
d    4
e    5
dtype: int64

使用标量创建Series对象

import pandas as pd

s = pd.Series(5, index=['a', 'b', 'c', 'd', 'e'])
print(s)

输出结果：

a    5
b    5
c    5
d    5
e    5
dtype: int64

Pandas 访问Series对象

pandas中访问Series数据的方法主要有两种：

1. 通过索引访问：使用方括号 []，中括号内输入索引值或者索引标签来访问对应的数据。例如，s[0] 或者 s['a'] 都可以访问索引为0或者索引标签为'a'的数据。

2. 通过切片访问：使用方括号 [] 和冒号 :，中括号内输入切片范围来访问对应的数据。例如，s[1:3] 可以访问索引为1和2的数据，不包括索引为3的数据。

下面是一些示例：

import pandas as pd

# 创建 Series
s = pd.Series([1, 2, 3, 4, 5])

# 访问第三个元素
print(s[2])  # 输出 3

# 访问前三个元素
print(s[:3])  # 输出 0    1\n1    2\n2    3\ndtype: int64

# 访问后三个元素
print(s[-3:])  # 输出 2    3\n3    4\n4    5\ndtype: int64

# 使用索标签访问单个元素值
s = pd.Series([6,7,8,9,10],index = ['a','b','c','d','e'])
print(s['a']）

# 使用索引标签访问多个元素值
s = pd.Series([6,7,8,9,10],index = ['a','b','c','d','e'])

print(s[['a','c','d']])

另外，还可以使用布尔型数组来访问数据。这种方法需要先构造一个布尔型数组，然后通过方括号 [] 将其传入Series对象中，返回一个新的Series对象，该对象包含满足条件的所有元素。例如：

s = pd.Series([1, 2, 3, 4, 5])
mask = s > 3
new_s = s[mask]

上述代码中，首先构造了一个Series对象 s，然后通过条件语句 s > 3 构造了一个布尔型数组 mask，表示每个元素是否大于3。最后，通过将 mask 传入 s[mask]，返回一个新的Series对象 new_s，该对象包含原Series对象中所有大于3的元素。