专栏导读

✍ 作者简介：i阿极，CSDN Python领域新星创作者，专注于分享python领域知识。

✍ 本文录入于《数据分析之道》，本专栏针对大学生、初级数据分析工程师精心打造，对python基础知识点逐一击破，不断学习，提升自我。
✍ 订阅后，可以阅读《数据分析之道》中全部文章内容，包含python基础语法、数据结构和文件操作，科学计算，实现文件内容操作，实现数据可视化等等。
✍ 其他专栏：《数据分析案例》 ，《机器学习案例》

😊😊😊如果觉得文章不错或能帮助到你学习，可以点赞👍收藏📁评论📒+关注哦！👍👍👍

📜📜📜如果有小伙伴需要数据集和学习交流，文章下方有交流学习区！一起学习进步！💪

1、Series简介

Series是一种一维数组结构，它由两个部分组成：索引和值。索引是一个标签数组，可以用来标识数据。值可以是任何类型的数据，例如整数、浮点数、字符串等。Series提供了类似于Numpy数组的操作，同时也支持类似于Python字典的操作。

函数如下：

pandas.Series( data, index, dtype, name, copy)

参数说明：

• data：一组数据(ndarray 类型)。

• index：数据索引标签，如果不指定，默认从 0 开始。

• dtype：数据类型，默认会自己判断。

• name：设置名称。

• copy：拷贝数据，默认为 False。

2、创建Series

创建Series的方式非常简单，可以使用Python列表、Numpy数组或者字典来创建Series。

使用列表创建Series:

import pandas as pd

# 使用列表创建Series
s1 = pd.Series([1, 2, 3, 4, 5])
print(s1)

使用Numpy数组创建Series:

import numpy as np
s2 = pd.Series(np.array([10, 20, 30, 40, 50]))
print(s2)

使用字典创建Series:

# 使用字典创建Series
s3 = pd.Series({'apple': 3, 'banana': 2, 'orange': 5})
print(s3)

3、Series索引

Series的索引可以通过索引标签或者整数位置来访问。

例如：
通过索引标签访问元素

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

# 通过索引标签访问元素
print(s['a'])
print(s['c'])

通过整数位置访问元素

s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])
print(s)
# 通过整数位置访问元素
print(s[0])
print(s[2])

可以看到，通过索引标签访问元素需要使用方括号，并将索引标签作为参数传入。通过整数位置访问元素也需要使用方括号，并将整数位置作为参数传入。需要注意的是，如果Series中的索引标签是整数，则使用整数位置访问元素时可能会出现歧义。

使用.loc属性访问元素

# 使用.loc属性访问元素
print(s.loc['a'])
print(s.loc['c'])

使用.iloc属性访问元素

# 使用.iloc属性访问元素
print(s.iloc[0])
print(s.iloc[2])

.loc用于通过索引标签访问元素，.iloc用于通过整数位置访问元素

4、Series切片

除了访问单个元素，还可以使用切片来访问Series中的一部分数据。使用切片需要指定开始索引和结束索引，语法与Python中的切片语法类似。

例如：
使用索引标签切片

import pandas as pd

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

# 使用索引标签切片
print(s['a':'c'])

使用整数位置切片

# 使用整数位置切片
print(s[0:3])

---

📢文章下方有交流学习区！一起学习进步！💪💪💪
📢首发CSDN博客，创作不易，如果觉得文章不错，可以点赞👍收藏📁评论📒
📢你的支持和鼓励是我创作的动力❗❗❗