pandas的Series类型与基本操作详解

概述

pandas是一个非常常用的Python数据分析库。其中，Series是pandas的一个数据结构，用来存储一维同质数据，也就是说Series中只能存储同一类型的数据。在本文中，将详细讲解Series类型及其基本操作。

创建Series

在pandas中创建一个Series类型可以有多种方式。比如，可以从列表、元组或字典中创建，也可以手动传入数据和索引。

1. 从列表或元组中创建Series

import pandas as pd

# 从列表中创建
s1 = pd.Series([1, 3, 5, 7, 9])
print(s1)

# 从元组中创建
s2 = pd.Series((2, 4, 6, 8, 10))
print(s2)

以上代码中，分别使用list和tuple创建了两个Series类型的数据，并打印输出了这两个数据。

2. 从字典中创建Series

import pandas as pd

# 从字典中创建，键会自动变成Series的索引
s3 = pd.Series({'a': 1, 'b': 3, 'c': 5, 'd': 7})
print(s3)

在以上代码中，我们通过字典来创建了一个Series类型。在这种方式中，字典的键会自动被转化为Series类型中的索引，而字典中的值则自动变为Series类型的数据。

3. 手动传入数据和索引

import pandas as pd

s4 = pd.Series([1, 3, 5, 7, 9], index=['a', 'b', 'c', 'd', 'e'])
print(s4)

在以上代码中，手动传入了数据和索引，创建了一个Series类型的数据，并打印输出。可通过指定index参数来自定义索引。当然，如果不指定索引，pandas会自动为数据生成一个默认的整数型索引。

访问数据

Series类型中的元素可以通过索引访问。下面是一些常见的访问数据的方法。

1. 根据数字索引访问数据

import pandas as pd

s1 = pd.Series([1, 3, 5, 7, 9])
print(s1[2])  # 访问第3个元素，打印输出5

以上代码展示了如何根据数字索引来访问Series类型中的数据。Python中的索引是从0开始的，因此s1[2]表示访问第3个元素。

2. 根据索引标签访问数据

import pandas as pd

s3 = pd.Series({'a': 1, 'b': 3, 'c': 5, 'd': 7})
print(s3['b'])  # 访问字典中键为b的值，打印输出3

在以上代码中，使用索引标签访问Series类型中的数据。这种方式非常灵活，只要传入正确的索引标签就能获取对应的元素。

数据的基本操作

Series类型的数据支持一些基本的数据处理操作。下面我们将介绍一些基本操作。

1. 索引和切片

import pandas as pd

s1 = pd.Series([1, 3, 5, 7, 9])
# 索引
print(s1[2])  # 打印输出5
# 切片
print(s1[1:4])  # 打印输出：1    3\n2    5\n3    7\ndtype: int64

在以上代码中，我们使用索引和切片方式来访问Series类型数据。和Python中的标准列表一样，使用冒号:进行切片。需要注意的是，Series类型也支持基于标签进行切片的操作。

2. 矢量化操作

import pandas as pd

s1 = pd.Series([1, 3, 5, 7, 9])
# 加法操作
print(s1 + 2)  # 打印输出：0     3\n1     5\n2     7\n3     9\n4    11\ndtype: int64
# 乘法操作
print(s1 * 2)  # 打印输出：0     2\n1     6\n2    10\n3    14\n4    18\ndtype: int64

在以上代码中，我们演示了Series类型数据的矢量化操作。矢量化操作使得计算过程变得更简单，且避免了针对每个元素进行操作的冗长循环。这使得Series类型成为数据处理常用数据类型之一。

示例说明

下面是两个关于Series类型的实际应用示例：

1. 数据过滤

import pandas as pd

# 创建一个Series数据
s1 = pd.Series([1, 3, 5, 7, 9])
# 过滤数据，筛选出所有小于5的数字
new_s1 = s1[s1 < 5]
print(new_s1)

以上代码演示了如何用Series类型完成数据的过滤。首先，我们创建了一个Series类型的数据s1，然后用s1 < 5判断每个元素是否小于5，返回一个布尔型的Series，最后用这个布尔型Series对原始数据进行了过滤。

2. 数据汇总

import pandas as pd

# 创建一个Series数据
s1 = pd.Series([1, 3, 5, 7, 9])
# 计算Series中所有数据的均值和标准差
print('Series的均值为：', s1.mean())
print('Series的标准差为：', s1.std())

以上代码演示了如何通过Series类型对数据进行汇总。我们使用mean函数和std函数来计算数据的均值和标准差。需要注意的是，这些函数都不会改变原始数据。