Series結(jié)構(gòu),，也稱Series序列,，是Pandas常用的數(shù)據(jù)結(jié)構(gòu)之一，它是一種類似于一維數(shù)組的結(jié)構(gòu),，由一組數(shù)據(jù)值（value）和一組標(biāo)簽組成,，其中標(biāo)簽與數(shù)據(jù)值之間是一一對(duì)應(yīng)的關(guān)系。

    Series可以保存任何數(shù)據(jù)類型,，比如整數(shù),、字符串,、浮點(diǎn)數(shù),、Python對(duì)象等，它的標(biāo)簽?zāi)J(rèn)為整數(shù),，從0開(kāi)始依次遞增,。Series的結(jié)構(gòu)圖，如下所示：

    通過(guò)標(biāo)簽我們可以更加直觀地查看數(shù)據(jù)所在的索引位置,。

    創(chuàng)建Series對(duì)象

    Pandas使用Series()函數(shù)來(lái)創(chuàng)建Series對(duì)象,，通過(guò)這個(gè)對(duì)象可以調(diào)用相應(yīng)的方法和屬性，從而達(dá)到處理數(shù)據(jù)的目的：

import pandas as pd
s=pd.Series( data, index, dtype, copy)12復(fù)制代碼類型：[python]

    參數(shù)說(shuō)明如下所示：

    我們也可以使用數(shù)組、字典,、標(biāo)量值或者Python對(duì)象來(lái)創(chuàng)建Series對(duì)象,。下面展示了創(chuàng)建Series對(duì)象的不同方法：

    1)創(chuàng)建一個(gè)空Series對(duì)象

    使用以下方法可以創(chuàng)建一個(gè)空的Series對(duì)象，如下所示：

import pandas as pd#輸出數(shù)據(jù)為空s = pd.Series()
print(s)1234復(fù)制代碼類型：[python]

    輸出結(jié)果如下：

Series([], dtype: float64)1復(fù)制代碼類型：[python]

    2)ndarray創(chuàng)建Series對(duì)象

    ndarray是NumPy中的數(shù)組類型,，當(dāng)data是ndarry時(shí),，傳遞的索引必須具有與數(shù)組相同的長(zhǎng)度。假如沒(méi)有給index參數(shù)傳參,，在默認(rèn)情況下,，索引值將使用是range(n)生成，其中n代表數(shù)組長(zhǎng)度,，如下所示：

[0,1,2,3…. range(len(array))-1]1復(fù)制代碼類型：[python]

    使用默認(rèn)索引,，創(chuàng)建Series序列對(duì)象：

import pandas as pdimport numpy as np
data = np.array(['a','b','c','d'])
s = pd.Series(data)print (s)12345復(fù)制代碼類型：[python]

    輸出結(jié)果如下：

0   a1   b2   c3   d
dtype: object12345復(fù)制代碼類型：[python]

    上述示例中沒(méi)有傳遞任何索引，所以索引默認(rèn)從0開(kāi)始分配,，其索引范圍為0到len(data)-1,，即0到3。這種設(shè)置方式被稱為“隱式索引”,。

    除了上述方法外,，你也可以使用“顯式索引”的方法定義索引標(biāo)簽，示例如下：

import pandas as pdimport numpy as np
data = np.array(['a','b','c','d'])#自定義索引標(biāo)簽（即顯示索引）s = pd.Series(data,index=[100,101,102,103])
print(s)123456復(fù)制代碼類型：[python]

    輸出結(jié)果：

100  a101  b102  c103  d
dtype: object12345復(fù)制代碼類型：[python]

    3)dict創(chuàng)建Series對(duì)象

    您可以把dict作為輸入數(shù)據(jù),。如果沒(méi)有傳入索引時(shí)會(huì)按照字典的鍵來(lái)構(gòu)造索引,；反之，當(dāng)傳遞了索引時(shí)需要將索引標(biāo)簽與字典中的值一一對(duì)應(yīng),。

    下面兩組示例分別對(duì)上述兩種情況做了演示,。

    示例1，沒(méi)有傳遞索引時(shí)：

import pandas as pdimport numpy as np
data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data)
print(s)12345復(fù)制代碼類型：[python]

    輸出結(jié)果：

a 0.0b 1.0c 2.0dtype: float641234復(fù)制代碼類型：[python]

  示例2,，為index參數(shù)傳遞索引時(shí)：

import pandas as pdimport numpy as np
data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data,index=['b','c','d','a'])
print(s)12345復(fù)制代碼類型：[python]

    輸出結(jié)果：

b 1.0c 2.0d NaN
a 0.0dtype: float6412345復(fù)制代碼類型：[python]

    當(dāng)傳遞的索引值無(wú)法找到與其對(duì)應(yīng)的值時(shí),，使用NaN（非數(shù)字）填充。

    4)標(biāo)量創(chuàng)建Series對(duì)象

    如果data是標(biāo)量值,，則必須提供索引,，示例如下：

import pandas as pdimport numpy as np
s = pd.Series(5, index=[0, 1, 2, 3])
print(s)1234復(fù)制代碼類型：[python]

    輸出如下：

0  51  52  53  5dtype: int6412345復(fù)制代碼類型：[python]

    標(biāo)量值按照index的數(shù)量進(jìn)行重復(fù),，并與其一一對(duì)應(yīng)。

    訪問(wèn)Series數(shù)據(jù)

    上述講解了創(chuàng)建Series對(duì)象的多種方式,，那么我們應(yīng)該如何訪問(wèn)Series序列中元素呢,？分為兩種方式，一種是位置索引訪問(wèn),；另一種是索引標(biāo)簽訪問(wèn),。

    1)位置索引訪問(wèn)

    這種訪問(wèn)方式與ndarray和list相同，使用元素自身的下標(biāo)進(jìn)行訪問(wèn),。我們知道數(shù)組的索引計(jì)數(shù)從0開(kāi)始,，這表示第一個(gè)元素存儲(chǔ)在第0個(gè)索引位置上，以此類推,，就可以獲得Series序列中的每個(gè)元素,。下面看一組簡(jiǎn)單的示例：

import pandas as pd
s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
print(s[0])  #位置下標(biāo)print(s['a']) #標(biāo)簽下標(biāo)1234復(fù)制代碼類型：[python]

    輸出結(jié)果：

1112復(fù)制代碼類型：[java]

    通過(guò)切片的方式訪問(wèn)Series序列中的數(shù)據(jù)，示例如下：

import pandas as pd
s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
print(s[:3])123復(fù)制代碼類型：[python]

    輸出結(jié)果：

a  1b  2c  3dtype: int641234復(fù)制代碼類型：[python]

    如果想要獲取最后三個(gè)元素,，也可以使用下面的方式：

import pandas as pd
s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
print(s[-3:])123復(fù)制代碼類型：[python]

    輸出結(jié)果：

c  3d  4e  5dtype: int641234復(fù)制代碼類型：[python]

    2)索引標(biāo)簽訪問(wèn)

    Series類似于固定大小的dict,，把index中的索引標(biāo)簽當(dāng)做key，而把Series序列中的元素值當(dāng)做value,，然后通過(guò)index索引標(biāo)簽來(lái)訪問(wèn)或者修改元素值,。

    示例1，使用索標(biāo)簽訪問(wèn)單個(gè)元素值：

import pandas as pd
s = pd.Series([6,7,8,9,10],index = ['a','b','c','d','e'])
print(s['a']）123復(fù)制代碼類型：[python]

    輸出結(jié)果：

61復(fù)制代碼類型：[python]

    示例2,，使用索引標(biāo)簽訪問(wèn)多個(gè)元素值

import pandas as pd
s = pd.Series([6,7,8,9,10],index = ['a','b','c','d','e'])
print(s[['a','c','d']])123復(fù)制代碼類型：[python]

    輸出結(jié)果：

a    6c    8d    9dtype: int641234復(fù)制代碼類型：[python]

    示例3,，如果使用了index中不包含的標(biāo)簽，則會(huì)觸發(fā)異常：

import pandas as pd
s = pd.Series([6,7,8,9,10],index = ['a','b','c','d','e'])#不包含f值print(s['f'])1234復(fù)制代碼類型：[python]

    輸出結(jié)果：

......
KeyError: 'f'12復(fù)制代碼類型：[python]

    Series常用屬性

    下面我們介紹Series的常用屬性和方法,。在下表列出了Series對(duì)象的常用屬性,。

    現(xiàn)在創(chuàng)建一個(gè)Series對(duì)象,，并演示如何使用上述表格中的屬性,。如下所示：

import pandas as pdimport numpy as np
s = pd.Series(np.random.randn(5))
print(s)1234復(fù)制代碼類型：[python]

    輸出結(jié)果：

0    0.8980971    0.7302102    2.3074013   -1.7230654    0.346728dtype: float64123456復(fù)制代碼類型：[python]

    上述示例的行索引標(biāo)簽是[0,1,2,3,4],。

    1)axes

import pandas as pdimport numpy as np
s = pd.Series(np.random.randn(5))print ("The axes are:")
print(s.axes)12345復(fù)制代碼類型：[python]

    輸出結(jié)果

The axes are:
[RangeIndex(start=0, stop=5, step=1)]12復(fù)制代碼類型：[python]

    2)dtype

import pandas as pdimport numpy as np
s = pd.Series(np.random.randn(5))print ("The dtype is:")
print(s.dtype)12345復(fù)制代碼類型：[python]

    輸出結(jié)果：

The dtype is:
float6412復(fù)制代碼類型：[python]

    3)empty

    返回一個(gè)布爾值，用于判斷數(shù)據(jù)對(duì)象是否為空,。示例如下：

import pandas as pdimport numpy as np
s = pd.Series(np.random.randn(5))
print("是否為空對(duì)象?")print (s.empty)12345復(fù)制代碼類型：[python]

    輸出結(jié)果：

是否為空對(duì)象?False12復(fù)制代碼類型：[python]

    4)ndim

    查看序列的維數(shù),。根據(jù)定義,，Series是一維數(shù)據(jù)結(jié)構(gòu)，因此它始終返回1,。

import pandas as pdimport numpy as np
s = pd.Series(np.random.randn(5))print (s)print (s.ndim)12345復(fù)制代碼類型：[python]

    輸出結(jié)果：

0    0.3114851    1.7488602   -0.0227213   -0.1292234   -0.489824dtype: float6411234567復(fù)制代碼類型：[python]

    5)size

    返回Series對(duì)象的大小(長(zhǎng)度),。

import pandas as pdimport numpy as np
s = pd.Series(np.random.randn(3))print (s)#series的長(zhǎng)度大小print(s.size)123456復(fù)制代碼類型：[python]

    輸出結(jié)果：

0   -1.8662611   -0.6367262    0.586037dtype: float64312345復(fù)制代碼類型：[python]

    6)values

    以數(shù)組的形式返回Series對(duì)象中的數(shù)據(jù)。

import pandas as pdimport numpy as np
s = pd.Series(np.random.randn(6))
print(s)
print("輸出series中數(shù)據(jù)")
print(s.values)123456復(fù)制代碼類型：[python]

    輸出結(jié)果：

0   -0.5021001    0.6961942   -0.9820633    0.4164304   -1.3845145    0.444303dtype: float64
輸出series中數(shù)據(jù)
[-0.50210028  0.69619407 -0.98206327  0.41642976 -1.38451433  0.44430257]123456789復(fù)制代碼類型：[python]

    7)index

    該屬性用來(lái)查看Series中索引的取值范圍,。示例如下：

#顯示索引import pandas as pd
s=pd.Series([1,2,5,8],index=['a','b','c','d'])
print(s.index)#隱式索引s1=pd.Series([1,2,5,8])
print(s1.index)1234567復(fù)制代碼類型：[python]

    輸出結(jié)果：

隱式索引：
Index(['a', 'b', 'c', 'd'], dtype='object')
顯示索引：
RangeIndex(start=0, stop=4, step=1)1234復(fù)制代碼類型：[python]

    Series常用方法

    1)head()&tail()查看數(shù)據(jù)

    如果想要查看Series的某一部分?jǐn)?shù)據(jù),，可以使用head()或者tail()方法。其中head()返回前n行數(shù)據(jù),，默認(rèn)顯示前5行數(shù)據(jù),。示例如下：

import pandas as pdimport numpy as np
s = pd.Series(np.random.randn(5))print ("The original series is:")print (s)#返回前三行數(shù)據(jù)print (s.head(3))1234567復(fù)制代碼類型：[python]

    輸出結(jié)果：

原系列輸出結(jié)果:0    1.2496791    0.6364872   -0.9876213    0.9996134    1.607751head(3)輸出：
dtype: float640    1.2496791    0.6364872   -0.987621dtype: float64123456789101112復(fù)制代碼類型：[python]

    tail()返回的是后n行數(shù)據(jù)，默認(rèn)為后5行,。示例如下：

import pandas as pdimport numpy as np
s = pd.Series(np.random.randn(4))#原seriesprint(s)#輸出后兩行數(shù)據(jù)print (s.tail(2))1234567復(fù)制代碼類型：[python]

    輸出結(jié)果：

原Series輸出：0    0.0533401    2.1658362   -0.7191753   -0.035178輸出后兩行數(shù)據(jù)：
dtype: float642   -0.7191753   -0.035178dtype: float6412345678910復(fù)制代碼類型：[python]

    2)isnull()&nonull()檢測(cè)缺失值

    isnull()和nonull()用于檢測(cè)Series中的缺失值,。所謂缺失值，顧名思義就是值不存在,、丟失,、缺少。

    isnull()：如果為值不存在或者缺失,，則返回True,。

    notnull()：如果值不存在或者缺失，則返回False,。

    其實(shí)不難理解,，在實(shí)際的數(shù)據(jù)分析任物中，數(shù)據(jù)的收集往往要經(jīng)歷一個(gè)繁瑣的過(guò)程,。在這個(gè)過(guò)程中難免會(huì)因?yàn)橐恍┎豢煽沽?，或者人為因素?dǎo)致數(shù)據(jù)丟失的現(xiàn)象。這時(shí),，我們可以使用相應(yīng)的方法對(duì)缺失值進(jìn)行處理,，比如均值插值、數(shù)據(jù)補(bǔ)齊等方法,。上述兩個(gè)方法就是幫助我們檢測(cè)是否存在缺失值,。示例如下：

import pandas as pd#None代表缺失數(shù)據(jù)s=pd.Series([1,2,5,None])
print(pd.isnull(s))  #是空值返回Trueprint(pd.notnull(s)) #空值返回False12345復(fù)制代碼類型：[python]

    輸出結(jié)果：

0    False1    False2    False3     Truedtype: boolnotnull():0     True1     True2     True3    Falsedtype: bool