1.3 Pandas 数据结构：Series

1.3 Pandas 数据结构：Series

1.3 Pandas 数据结构：Series

Pandas 库的核心是两种主要的数据结构：Series（一维）和 DataFrame（二维）。本节将深入探讨 Series 数据结构，包括其创建、属性、操作和应用。

1.3.1 Series 的定义

Series 是一个带有标签（索引）的一维数组，可以存储任何数据类型（整数、浮点数、字符串、Python 对象等）。可以将 Series 视为带有行标签的 DataFrame 的单列。

关键特性：

• 数据（Data）： Series 存储的实际数据。

• 索引（Index）： 与数据关联的标签，用于访问数据。索引可以是数字、字符串或任何其他可哈希的 Python 对象。

• 数据类型（dtype）： Series 中数据的数据类型。

1.3.2 创建 Series

可以使用多种方式创建 Series：

1. 从列表或 NumPy 数组创建：

import pandas as pd
import numpy as np
# 从列表创建
data = [10, 20, 30, 40, 50]
s1 = pd.Series(data)
print("从列表创建的 Series:\n", s1)
# 从 NumPy 数组创建
data_np = np.array([1, 3, 5, 7, 9])
s2 = pd.Series(data_np)
print("\n从 NumPy 数组创建的 Series:\n", s2)
​

输出：

从列表创建的 Series:
 0    10
1    20
2    30
3    40
4    50
dtype: int64
从 NumPy 数组创建的 Series:
 0    1
1    3
2    5
3    7
4    9
dtype: int64
​

2. 从字典创建：

字典的键将成为 Series 的索引，值将成为 Series 的数据。

data_dict = {'a': 100, 'b': 200, 'c': 300}
s3 = pd.Series(data_dict)
print("\n从字典创建的 Series:\n", s3)
​

输出：

从字典创建的 Series:
 a    100
b    200
c    300
dtype: int64
​

3. 指定索引：

可以在创建 Series 时显式指定索引。

data = [1, 2, 3, 4, 5]
index = ['A', 'B', 'C', 'D', 'E']
s4 = pd.Series(data, index=index)
print("\n指定索引的 Series:\n", s4)
​

输出：

指定索引的 Series:
 A    1
B    2
C    3
D    4
E    5
dtype: int64
​

4. 使用标量值创建：

创建一个 Series，其中所有值都相同。

s5 = pd.Series(5, index=['p', 'q', 'r', 's'])
print("\n使用标量值创建的 Series:\n", s5)
​

输出：

使用标量值创建的 Series:
 p    5
q    5
r    5
s    5
dtype: int64
​

1.3.3 Series 的属性

Series 对象具有许多有用的属性，可以帮助我们了解其结构和内容：

• index: 返回 Series 的索引。

• values: 返回 Series 的数据（NumPy 数组）。

• dtype: 返回 Series 的数据类型。

• shape: 返回 Series 的形状（大小）。

• size: 返回 Series 中元素的数量。

• empty: 如果 Series 为空，则返回 True，否则返回 False。

• name: 返回 Series 的名称（可选）。

print("\nSeries 的属性:")
print("Index:", s4.index)
print("Values:", s4.values)
print("Data Type:", s4.dtype)
print("Shape:", s4.shape)
print("Size:", s4.size)
print("Empty:", s4.empty)
s4.name = "Example Series"
print("Name:", s4.name)
​

输出：

Series 的属性:
Index: Index(['A', 'B', 'C', 'D', 'E'], dtype='object')
Values: [1 2 3 4 5]
Data Type: int64
Shape: (5,)
Size: 5
Empty: False
Name: Example Series
​

1.3.4 访问 Series 中的数据

可以使用索引标签或位置（整数索引）访问 Series 中的数据。

1. 使用标签索引：

print("\n使用标签索引访问数据:")
print("s4['A']:", s4['A'])
print("s4[['A', 'C', 'E']]:\n", s4[['A', 'C', 'E']]) # 访问多个元素
​

输出：

使用标签索引访问数据:
s4['A']: 1
s4[['A', 'C', 'E']]:
 A    1
C    3
E    5
Name: Example Series, dtype: int64
​

2. 使用位置索引（整数索引）：

print("\n使用位置索引访问数据:")
print("s4[0]:", s4[0])
print("s4[[0, 2, 4]]:\n", s4[[0, 2, 4]]) # 访问多个元素
print("s4[1:4]:\n", s4[1:4]) #切片
​

输出：

使用位置索引访问数据:
s4[0]: 1
s4[[0, 2, 4]]:
 A    1
C    3
E    5
Name: Example Series, dtype: int64
s4[1:4]:
 B    2
C    3
D    4
Name: Example Series, dtype: int64
​

注意： 当索引是整数时，需要小心区分标签索引和位置索引。为了避免混淆，可以使用 .loc (标签索引) 和 .iloc (位置索引) 属性进行显式访问。

print("\n使用 .loc 和 .iloc 访问数据:")
print("s4.loc['A']:", s4.loc['A'])
print("s4.iloc[0]:", s4.iloc[0])
​

输出：

使用 .loc 和 .iloc 访问数据:
s4.loc['A']: 1
s4.iloc[0]: 1
​

1.3.5 Series 的操作

Pandas Series 支持各种操作，包括算术运算、比较运算、布尔索引等。

1. 算术运算：

s6 = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
s7 = pd.Series([5, 6, 7, 8], index=['a', 'b', 'c', 'd'])
print("\n算术运算:")
print("s6 + s7:\n", s6 + s7)
print("s6 * 2:\n", s6 * 2)
​

输出：

算术运算:
s6 + s7:
 a     6
b     8
c    10
d    12
dtype: int64
s6 * 2:
 a    2
b    4
c    6
d    8
dtype: int64
​

如果 Series 的索引不完全匹配，Pandas 会自动对齐索引，并将缺失值填充为 NaN。

s8 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s9 = pd.Series([4, 5, 6], index=['b', 'c', 'd'])
print("\n索引不对齐的算术运算:")
print("s8 + s9:\n", s8 + s9)
​

输出：

索引不对齐的算术运算:
s8 + s9:
 a    NaN
b    6.0
c    8.0
d    NaN
dtype: float64
​

2. 比较运算：

print("\n比较运算:")
print("s6 > 2:\n", s6 > 2)
​

输出：

比较运算:
s6 > 2:
 a    False
b    False
c     True
d     True
dtype: bool
​

3. 布尔索引：

使用布尔 Series 过滤数据。

print("\n布尔索引:")
print("s6[s6 > 2]:\n", s6[s6 > 2])
​

输出：

布尔索引:
s6[s6 > 2]:
 c    3
d    4
dtype: int64
​

4. 成员资格判断：

print("\n成员资格判断:")
print("s6.isin([2, 4]):\n", s6.isin([2, 4]))
​

输出：

成员资格判断:
s6.isin([2, 4]):
 a    False
b     True
c    False
d     True
dtype: bool
​

1.3.6 处理缺失数据

Series 可以包含缺失值，通常表示为 NaN（Not a Number）。 Pandas 提供了处理缺失值的函数：

• isnull(): 检测缺失值，返回布尔 Series。

• notnull(): 检测非缺失值，返回布尔 Series。

• dropna(): 删除包含缺失值的行。

• fillna(): 用指定值填充缺失值。

s10 = pd.Series([1, 2, np.nan, 4, np.nan])
print("\n包含缺失值的 Series:\n", s10)
print("\nisnull():\n", s10.isnull())
print("\nnotnull():\n", s10.notnull())
print("\ndropna():\n", s10.dropna())
print("\nfillna(0):\n", s10.fillna(0)) # 用0填充
print("\nfillna(s10.mean()):\n", s10.fillna(s10.mean())) # 用均值填充
​

输出：

包含缺失值的 Series:
 0    1.0
1    2.0
2    NaN
3    4.0
4    NaN
dtype: float64
isnull():
 0    False
1    False
2     True
3    False
4     True
dtype: bool
notnull():
 0     True
1     True
2    False
3     True
4    False
dtype: bool
dropna():
 0    1.0
1    2.0
3    4.0
dtype: float64
fillna(0):
 0    1.0
1    2.0
2    0.0
3    4.0
4    0.0
dtype: float64
fillna(s10.mean()):
 0    1.0
1    2.0
2    2.333333
3    4.0
4    2.333333
dtype: float64
​

1.3.7 Series 的应用

Series 在数据分析中扮演着重要的角色。 它们可以用于：

• 表示时间序列数据。

• 存储分类数据。

• 作为 DataFrame 的列。

• 执行统计分析。

1.3.8 Mermaid 图表辅助理解

以下 Mermaid 图表可以帮助理解 Series 的结构：

图表解释：

• Series 是最顶层的概念，它包含 Index、Data 和 dtype 三个关键组件。

• Index 存储 Series 的标签，用于访问数据。

• Data 存储 Series 的实际数据值。

• dtype 表示 Series 中数据的数据类型。

这个图表直观地展示了 Series 的内部结构，有助于更好地理解其概念。

1.3.9 总结

Pandas Series 是一种强大而灵活的数据结构，用于表示一维带标签的数据。 掌握 Series 的创建、属性、操作和应用对于使用 Pandas 进行数据分析至关重要。 通过本节的学习，您应该能够熟练地使用 Series 来处理各种数据分析任务。