Python数据分析：Pandas Series对象创建与基本操作详解

一、Pandas Series对象

Pandas是基于NumPy构建的Python数据分析工具库，提供了大量高效处理数据的函数与方法，并整合了多种数据处理库及数据模型，功能十分强大。

安装Pandas可使用以下命令：

conda install pandas
# 或
pip install pandas

Series数据结构

Pandas中最常用的两种数据结构为Series和DataFrame，本文重点介绍Series及其创建方式。

Series是一维数组结构，由索引（index）和值（values）两部分组成，两者一一对应。它可以存储多种数据类型，包括字符串、布尔值、数字以及Python对象等。

创建Series对象

创建Series对象的基本语法格式如下：

s = pd.Series(data, index)

其中，参数data用于指定数据源，可以是字典、列表或NumPy的ndarray数组等；参数index用于指定索引，其值必须唯一，类似于Python字典的键。若未提供index参数，系统默认生成从0开始递增的整数索引。

从列表创建Series示例：

data = ["a", "b", "c", "d", "e"]
s = pd.Series(data)
s

从字典创建Series示例：

当data参数为字典且未显式传入索引时，Series将自动以字典的键作为索引，字典的值作为对应的数据值。

data = {"a": 1, "b": 2, "c": 3}
s = pd.Series(data)
s

上述代码的运行结果如下：

a 1 b 2 c 3 dtype: int64

从NumPy数组创建Series示例：

ndarray是NumPy库中的数组类型，关于NumPy的具体使用方法，可参考Python数据分析中Numpy的相关文章。

data = np.array([1, 2, 3, 4])
s = pd.Series(data)
s

创建Series对象后，即可调用其属性和方法进行数据处理与分析。接下来介绍Series对象的基本操作。

二、Series对象的基本操作

Series常用属性

• index：获取索引信息
• values：获取数组数据
• size：获取元素数量
• dtype：获取对象的数据类型

获取索引及修改索引的示例：

data = ["a", "b", "c", "d"]
s = pd.Series(data)
print(s.index)
s.index = ["A", "B", "C", "D"]
print(s.index)

运行结果如下：

RangeIndex(start=0, stop=4, step=1)
Index(['A', 'B', 'C', 'D'], dtype='object')

指定索引对应元素的获取、修改及删除操作：

Series通过索引获取、修改及删除元素的方式与Python字典操作类似，具体用法如下：

# 获取数据
print(s["A"])
# 修改数据
s['A'] = 99
# 删除数据
s = s.drop("B")
s

此外，Series支持通过筛选条件获取数据，例如获取能被2整除的数据：

data = np.array([1, 2, 3, 4])
s = pd.Series(data)
s[s%2==0]

Series切片操作示例：

Series的切片操作与Python列表切片类似，如下所示：

s[0:3] 

上述代码表示获取第0、1、2个数据。

也可以使用索引值进行切片，例如获取索引值B到D的数据：

s["B":"D"]
复制代码

Series常用方法

• head(n)：返回前n行数据，默认返回前5行
• tail(n)：返回后n行数据，默认返回后5行
• isnull()与nonull()：判断数据是否为空，返回True或False
• sort_values()：对数据进行排序，通过传递ascending参数指定升序或降序，默认为True（升序）
• dropna()：删除空值

Series运算

统计信息获取示例：

可以通过describe()方法获取详细的统计信息，如下所示：

也可以通过以下方法分别获取各项统计指标：

• min()：获取最小值
• max()：获取最大值
• mean()：获取均值
• median()：获取中位数
• sum()：获取总和
• count()：获取总数
• ······

四则运算示例：

s+2  # 对每个元素进行+2
s*100  # 对每个元素乘100

也可以调用相应方法进行运算：加法add()、减法sub()、乘法mul()、除法div()。

至此，关于Python数据分析中Pandas Series对象的介绍已完成。如需了解更多相关内容，请搜索本站历史文章或继续阅读后续文章，感谢大家的支持！