pandas Series数据结构详解：创建、索引与运算
本文详细介绍pandas中Series数据结构的创建方式，包括通过列表、字典及指定索引生成Series。重点解析元素访问、布尔过滤、标量运算及数学函数应用，并深入讲解Series基于索引的自动对齐机制。同时涵盖Series与索引的命名属性设置，帮助开发者掌握基础数据处理技能。
Series 数据结构概述
1. Series
Series 是一种类似数组的一维数据结构，其核心特征在于不仅包含数据值，还关联有标签（label）或索引（index）。
创建 Series 对象
1.1 下面演示如何生成一个最简单的 Series 对象。若创建时未显式指定索引参数，系统将自动分配从 0 到 N-1 的默认整数索引。
# 引入Series和DataFrame
In [16]: from pandas import Series,DataFrame
In [17]: import pandas as pd
In [18]: ser1 = Series([1,2,3,4])
In [19]: ser1
Out[19]:
0 1
1 2
2 3
3 4
dtype: int64
1.2 若需生成带有自定义索引的 Series，可采用如下方式：
# 给index指定一个list
In [23]: ser2 = Series(range(4),index = ["a","b","c","d"])
In [24]: ser2
Out[24]:
a 0
b 1
c 2
d 3
dtype: int64
1.3 此外，还可以利用字典（dictionary）来构建 Series 对象。
In [45]: sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000}
In [46]: ser3 = Series(sdata)
# 可以发现，用字典创建的Series是按index有序的
In [47]: ser3
Out[47]:
Ohio 35000
Oregon 16000
Texas 71000
Utah 5000
dtype: int64
在使用字典创建 Series 时，可以额外指定索引列表。若指定的索引在字典中找不到对应值，该位置的数值将标记为缺失值（NA 或 NaN）。此时，可借助 pandas.isnull 和 pandas.notnull 函数来识别哪些索引对应的值是缺失的。
In [48]: states = ['California', 'Ohio', 'Oregon', 'Texas']
In [49]: ser3 = Series(sdata,index = states)
In [50]: ser3
Out[50]:
California NaN
Ohio 35000.0
Oregon 16000.0
Texas 71000.0
dtype: float64
# 判断哪些值为空
In [51]: pd.isnull(ser3)
Out[51]:
California True
Ohio False
Oregon False
Texas False
dtype: bool
In [52]: pd.notnull(ser3)
Out[52]:
California False
Ohio True
Oregon True
Texas True
dtype: bool
元素访问与索引获取
1.4 访问 Series 中的元素与索引：
# 访问索引为"a"的元素
In [25]: ser2["a"]
Out[25]: 0
# 访问索引为"a","c"的元素
In [26]: ser2[["a","c"]]
Out[26]:
a 0
c 2
dtype: int64
# 获取所有的值
In [27]: ser2.values
Out[27]: array([0, 1, 2, 3])
# 获取所有的索引
In [28]: ser2.index
Out[28]: Index([u'a', u'b', u'c', u'd'], dtype='object')
基础运算操作
1.5 简单运算
在 pandas 的 Series 中，保留了 NumPy 的数组操作特性，包括使用布尔数组进行数据过滤、标量乘法运算以及应用数学函数，同时保持引用关系的一致性。
In [34]: ser2[ser2 > 2]
Out[34]:
a 64
d 3
dtype: int64
In [35]: ser2 * 2
Out[35]:
a 128
b 2
c 4
d 6
dtype: int64
In [36]: np.exp(ser2)
Out[36]:
a 6.235149e+27
b 2.718282e+00
c 7.389056e+00
d 2.008554e+01
dtype: float64
索引自动对齐机制
1.6 Series 的自动对齐
Series 的一项关键功能是自动对齐（auto-alignment）。通过示例可以清晰理解：当对不同 Series 对象执行运算时，系统会根据索引标签进行匹配计算，而非单纯依据位置。
# ser3 的内容
In [60]: ser3
Out[60]:
Ohio 35000
Oregon 16000
Texas 71000
Utah 5000
dtype: int64
# ser4 的内容
In [61]: ser4
Out[61]:
California NaN
Ohio 35000.0
Oregon 16000.0
Texas 71000.0
dtype: float64
# 相同索引值的元素相加
In [62]: ser3 + ser4
Out[62]:
California NaN
Ohio 70000.0
Oregon 32000.0
Texas 142000.0
Utah NaN
dtype: float64
Series 命名属性
1.7 命名
Series 对象本身及其索引均具备 name 属性，可用于标识数据含义。
In [64]: ser4.index.name = "state"
In [65]: ser4.name = "population"
In [66]: ser4
Out[66]:
state
California NaN
Ohio 35000.0
Oregon 16000.0
Texas 71000.0
Name: population, dtype: float64
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持本站。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
