8 - 数据结构 - 列型 - Series()

pandas Series简介

Pandas 的 Series 是一种一维数组结构，可以存储任何数据类型（整数、字符串、浮点数、Python 对象等）。Series 是 Pandas 中的基本概念之一，是DataFrame的基础构建块。以下是 Series 的一些关键特点：

1. 一维标签:

   • Series 拥有一个一维的标签数组，这些标签被称为索引（index）。

2. 数据类型灵活:

   • 每个 Series 元素可以是不同的数据类型，这使得 Series 在存储混合数据类型时非常灵活。

3. 自动对齐:

   • 由于索引的存在，Series 对象在进行算术运算或数据对齐操作时会自动对齐。

4. 缺失数据处理:

   • Series 可以包含缺失数据，Pandas 使用 NaN（不是数字）来表示缺失值。

5. 时间序列分析:

   • Series 特别适用于时间序列数据，可以轻松处理和分析时间序列。

6. 快速访问:

   • 可以通过索引快速访问 Series 中的元素。

7. 大小可变:

   • Series 的大小是固定的，但可以很容易地进行切片、添加或删除操作。

8. 适用于向量化操作:

   • Pandas 的 Series 设计用于进行快速的向量化操作。

9. 与 NumPy 的兼容性:

   • Series 可以基于 NumPy 数组创建，并且可以与 NumPy 进行无缝交互。

10. 丰富的方法:

    • Series 提供了大量内置方法，用于执行各种操作，如统计分析、数据清洗等。

从字典创建 Series，字典的键成为索引

import pandas as pd
data_dict = {'a': 1, 'b': 2, 'c': 3}
series_dict = pd.Series(data_dict)
print(series_dict)

使用特定的索引创建 Series

import pandas as pd
index = ['x', 'y', 'z']
series_with_index = pd.Series([1, 2, 3], index=index)
print(series_with_index)

用列表创建 Series 的例子

import numpy as np
import pandas as pd
s=pd.Series([1,2,3,np.nan,5,6])
print(s)
----------执行以上程序，返回的结果为----------
0    1.0
1    2.0
2    3.0
3    NaN
4    5.0
5    6.0
dtype: float64

访问 Series 中的数据

## 访问单个元素
se=pd.Series([1,2,3,np.nan,5,6])
value = se[0]
print(value)

可以看见访问series的单个元素1.0

访问Series多个元素

se=pd.Series([1,2,3,np.nan,5,6])
values = series[[0, 2]]
print(values)

访问Series多个元素1.0和3.0，也就是第0、2个（程序），第1、3个

使用索引标签访问Series

import numpy as np
import pandas as pd
se=pd.Series({'a': 1, 'b': 2, 'c': 3})
print(se)
values = se['b']
print(values)

修改 Series 中的数据

修改Series单个元素

se=pd.Series([1,2,3,np.nan,5,6])
print(se)
se[0] = 10
print(se)

修改Series多个元素

se=pd.Series([1,2,3,np.nan,5,6])
print(se)
se[[0, 2]] = [10, 20]
print(se)

Series 描述统计信息

import numpy as np
import pandas as pd
se=pd.Series([1,2,3,np.nan,5,6])
print(se)
description = se.describe()
print(description)

可以看到describe有8个数值返回了包括最大值、最小值、非空数量、平均数、标准差（表示数据点相对于均值的平均偏离程度。标准差越大，表示数据分布越分散；标准差越小，表示数据分布越集中。）

填充缺失值

import numpy as np
import pandas as pd
se=pd.Series([1,2,3,np.nan,5,6])
print(se)
filled_series = se.fillna(0)
print(filled_series)

可以看见成功填充了第4个nan为0，具体可以详细查看fillna()

应用apply函数

import numpy as np
import pandas as pd
se=pd.Series([1,2,3,np.nan,5,6])
print(se)
transformed_series = se.apply(lambda x: x * 2)
print(transformed_series)

可以看见非空数值都开平方了

Series 是 Pandas 中进行数据分析和处理的一个非常基础且强大的工具，无论是单独使用还是在构建更复杂的数据结构如 DataFrame 时。