目录
基本特征
创建
自动生成索引
自定义生成索引
使用
基本运算
数据对齐
基本特征
- 类似一维数组的对象
- 由数据和索引组成
- 有序定长的字典
创建
Series能创建出带有数据和索引的字典来，且索引（index）与值（value）之间相互独立。创建方法如下所示：
自动生成索引
Series能创建自动生成索引的字典，索引从0开始，代码如下所示：
代码语言：javascript复制import pandas as pd
aSer = pd.Series([1, 2.0, 'a']) # 自带索引
print(aSer)
print(aSer.values) # 输出值
print(aSer.index) # 输出键运行结果如下所示：
生成自带索引的字典 0 1 1 2.0 2 a dtype: object 值 [1 2.0 'a'] 键，和range函数类似 RangeIndex(start=0, stop=3, step=1)
自定义生成索引
Series除了能创建自动生成索引的字典外，还能自定义生成索引，代码如下所示：
代码语言：javascript复制import pandas as pd
bSer = pd.Series(['apple', 'peach', 'lemon'], index=[1, 2, 3]) # 指定索引
print(bSer)
print(bSer.values) # 输出值
print(bSer.index) # 输出键运行结果如下所示：
自定义生成索引的字典· 1 apple 2 peach 3 lemon dtype: object 值 ['apple' 'peach' 'lemon'] 自定义的键 Int64Index([1, 2, 3], dtype='int64')
使用
基本运算
定义好了一个Series之后，我们可以对它进行一些简单的操作，代码如下所示：
代码语言：javascript复制import pandas as pd
import numpy as np
aSer = pd.Series([3, 5, 7], index=['a', 'b', 'c'])
print(aSer['c']) # 取键值
print(aSer*2) # 值乘2
print(np.exp(aSer)) # 自然对数（e）的N次方, 如e^3运行结果如下所示：
键值 7 把键值乘以2 a 6 b 10 c 14 dtype: int64 取自然对数（e）的N次方 a 20.085537 = e^3 b 148.413159 c 1096.633158 dtype: float64
数据对齐
数据对齐是Serie的一个很重要的功能，能简化数据处理，代码如下所示：
代码语言：javascript复制import pandas as pd
data = {'AXP': '86.40', 'CSCO': '122.64', 'BA': '99.44'}
sindex = ['AXP', 'CSCO', 'BA', 'AAPL']
aSer = pd.Series(data) # 根据自身创建一个Series
print(aSer)
print(pd.isnull(aSer)) # 检测哪些值是空的
bSer = pd.Series(data, index= sindex) # 根据自身的值和把另一个列表作为索引创建一个Series
print(bSer) # 对应索引无数据的，显示为NaN（Not a number）
print(pd.isnull(bSer)) # 检测哪些值是空的运行结果如下所示：
根据自身创建一个Series AXP 86.40 CSCO 122.64 BA 99.44 dtype: object 检测哪些值是空的 AXP False CSCO False BA False dtype: bool 根据自身的值和把另一个列表作为索引创建一个Series AXP 86.40 CSCO 122.64 BA 99.44 AAPL NaN dtype: object 检测哪些值是空的 AXP False CSCO False BA False AAPL True dtype: bool
数据对齐的一个重要功能是：在运算中自动对齐不同索引的数据，代码如下所示：
代码语言：javascript复制import pandas as pd
data = {'AXP': '86.40', 'CSCO': '122.64', 'BA': '99.44'}
sindex = ['AXP', 'CSCO', 'BA', 'AAPL']
bSer = pd.Series(data, index= sindex)
aSer = {'AXP':'86.40','CSCO':'122.64','CVX':'23.78'}
cSer = pd.Series(aSer)
print(bSer cSer) # 都有数据才会显示，如bSer中无CVX，所以显示为NaN，都有数据的，因为是字符串，便拼接在一起运行结果如下所示：
AAPL NaN AXP 86.4086.40 BA NaN CSCO 122.64122.64 CVX NaN dtype: object
若数据类型是数值型，便会相加，代码如下所示：
代码语言：javascript复制import pandas as pd
data = {'AXP':86.40,'CSCO':122.64,'BA':99.44}
sindex = ['AXP', 'CSCO', 'BA', 'AAPL']
aSer = pd.Series(data, index = sindex)
bSer = {'AXP': 86.40, 'CSCO': 130.64, 'CVX': 23.78}
cSer = pd.Series(bSer)
print( (aSer cSer)/2) # 数值相加再除2运行结果如下所示：
AAPL NaN AXP 86.40 BA NaN CSCO 126.64 CVX NaN dtype: float64
