Pandas中的Series数据类型详解

在Pandas中，Series是一种一维的、带有标签的数组数据结构，类似于Python中的字典类型或者numpy中的一维数组（ndarray）。Series是Pandas库中最基本常用的数据类型之一。

Series的创建非常简单，只需要传递一个数组或列表即可，Pandas会自动为其添加一个默认的序列号（index），也可以自定义序列号。下面我们来详细讲解Series数据类型。

创建Series

从列表或数组创建Series

通过pd.Series(list)可以将一个列表或数组转换成一个Series对象，其中列表或数组的每个元素将成为Series的一个值，Series的默认索引是0到n-1（n为列表或数组长度）。例如：

import pandas as pd
import numpy as np

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

通过以上代码我们可以看出，Pandas会自动为Series添加一个默认的整数索引，但是我们也可以通过index参数来自定义索引，例如：

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

从字典创建Series

通过pd.Series(dict)可以将一个字典类型转换成一个Series对象，其中字典的键将成为Series的索引，字典的值将成为Series的值。例如：

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

同样可以通过index参数来自定义索引，例如：

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

输出结果：

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

访问Series中的元素

可以使用下标索引或标签索引来访问Series中的元素，例如：

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

# 使用下标索引访问单个元素
print(s[0])    # 1

# 使用标签索引访问单个元素
print(s['a'])  # 1

# 使用切片访问多个元素
print(s[:3])   # a    1  b    2  c    3

Series的常用属性和方法

属性

• values：以数组形式返回Series的数据
• index：返回Series的索引

data = [1, 2, 3]
index = ['a', 'b', 'c']
s = pd.Series(data, index=index)

print(s.values)  # [1 2 3]
print(s.index)   # Index(['a', 'b', 'c'], dtype='object')

方法

• head(n)：返回Series中的前n个元素
• tail(n)：返回Series中的后n个元素
• describe()：返回Series的一些统计信息，包括计数、平均值、标准差等
• sort_values()：对Series进行升序排序
• isin(values)：返回一个bool类型的Series，表示Series中的元素是否在指定的列表中
• unique()：返回所有唯一值组成的列表
• nunique()：返回Series中唯一值的数量
• value_counts()：返回每个唯一值出现的次数

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

print(s.head(3))        # 0    1  1    2  2    3
print(s.tail(3))        # 6    3  7    4  8    5
print(s.describe())     # count    9.000000  mean     2.666667  std      1.429841  min      1.000000  ...
print(s.sort_values())  # 0    1  3    1  1    2  4    2  2    3  ...
print(s.isin([1, 2]))   # 0     True  1     True  2    False  3    False  4     True  5    False  6    False...
print(s.unique())       # [1 2 3 4 5]
print(s.nunique())      # 5
print(s.value_counts()) # 3    3  2    2  1    2  4    1  5    1

以上就是对Pandas中Series数据类型的详细讲解。