Python Pandas Series

Pandas Series 可以定义为能够存储各种数据类型的一维数组。 我们可以使用“series”方法轻松地将列表、元组和字典转换为 series。 Series 的行标签称为索引。 Series 不能包含多列。 它具有以下参数

• data: 它可以是任何列表、字典或标量值。
• index: 索引的值应该是唯一的且可散列的。 它必须与数据长度相同。 如果我们没有传递任何索引，将使用默认值 np.arrange(n)。
• dtype: 它指的是 series 的数据类型。
• copy: 它用于复制数据。

创建 Series

我们可以通过两种方式创建 Series

1. 创建空 Series
2. 使用输入创建 Series。

创建空 Series

我们可以在 Pandas 中轻松创建一个空 series，这意味着它不会有任何值。

用于创建空 Series 的语法

下面的示例创建一个 Empty Series 类型的对象，该对象没有值，并且具有默认的数据类型，即 float64。

示例

输出

Series([], dtype: float64)

使用输入创建 Series

我们可以通过使用各种输入来创建 Series

• Array
• 字典（Dict）
• 标量值

从数组创建 Series

在创建 Series 之前，首先，我们必须导入 numpy 模块，然后在程序中使用 array() 函数。 如果数据是 ndarray，则传递的索引必须具有相同的长度。

如果我们没有传递索引，那么默认情况下会传递索引 range(n)，其中 n 定义了数组的长度，即 [0,1,2,....range(len(array))-1]。

示例

输出

0    P
1    a
2    n
3    d
4    a
5    s
dtype: object

从 dict 创建 Series

我们也可以从 dict 创建 Series。 如果字典对象作为输入传递，并且没有指定索引，则字典的键将按排序顺序排列以构造索引。

如果传递了索引，则对应于索引中特定标签的值将从 字典 中提取。

输出

x     0.0
y     1.0
z     2.0
dtype: float64

使用标量创建 Series

如果我们使用标量值，则必须提供索引。 标量值将重复以匹配索引的长度。

输出

0      4
1      4
2      4
3      4
dtype: int64

从 Series 访问带位置的数据

创建 Series 类型的对象后，您可以访问其索引、数据，甚至单个元素。

Series 中的数据可以类似于 ndarray 中的数据一样访问。

输出

1 

Series 对象属性

Series 属性定义为与 Series 对象相关的任何信息，例如大小、数据类型等。以下是一些可用于获取有关 Series 对象信息的属性

检索 Series 对象的索引数组和数据数组

我们可以使用属性索引和值来检索现有 Series 对象的索引数组和数据数组。

输出

RangeIndex(start=0, stop=4, step=1)
[2 4 6 8]
Index(['a', 'b', 'c'], dtype='object')
[11.2 18.6 22.5]

检索类型 (dtype) 和类型大小 (itemsize)

您可以使用具有 Series 对象的属性 dtype 作为 <objectname> dtype 来检索 series 对象的单个元素的数据类型，您可以使用 itemsize 属性来显示分配给每个数据项的字节数。

输出

int64
8
float64
8

检索形状

Series 对象的形状定义了元素的总数，包括缺失值或空值 (NaN)。

输出

(4,)
(3,)

检索维度、大小和字节数

输出

1 1
4 3
32 24

检查空值和 NaN 值的存在

要检查 Series 对象是否为空，您可以使用 empty 属性。 同样，要检查 series 对象是否包含某些 NaN 值，您可以使用 hasans 属性。

示例

输出

False   False   True
True    False   False
4   3
3   3

Series 函数

Series 中使用的一些函数如下所示