Series基础操作-「数据分析-2」

Series是Pandas中带有标签的一维数组，支持多种数据类型，其核心操作包括创建、索引、增删改查等。以下是详细说明：

1. 由字典创建字典的键（key）自动成为索引，值（value）成为数据：

   dic = {'a': 1, 'b': 2, 'c': 3}s = pd.Series(dic)# 输出：# a 1# b 2# c 3

2. 由数组创建

   默认索引为从0开始的数字：

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

   自定义索引和类型：

   s = pd.Series(arr, index=['x', 'y', 'z'], dtype=np.float64)

3. 由标量创建需指定索引，值会重复填充：

   s = pd.Series(10, index=['a', 'b', 'c'])# 输出：# a 10# b 10# c 10

1. 位置索引类似列表，通过整数位置访问：

   s = pd.Series([1, 2, 3], index=['a', 'b', 'c'])print(s[0]) # 输出：1

2. 标签索引通过索引标签访问单个或多个值：

   print(s['a']) # 输出：1print(s[['a', 'b']]) # 输出多值Series

3. 切片索引

   位置切片（末端不包含）：

   print(s[0:2]) # 输出前两个值

   标签切片（末端包含）：

   print(s['a':'b']) # 包含'b'

4. 布尔索引通过条件筛选数据：

   s = pd.Series([10, 20, None, 40])print(s[s > 15]) # 筛选大于15的值print(s[s.isnull()]) # 筛选空值

1. 重新索引（Reindex）调整索引顺序，缺失值填充：

   s = pd.Series([1, 2, 3], index=['a', 'b', 'c'])s_new = s.reindex(['c', 'b', 'a', 'd'], fill_value=0)# 输出：# c 3# b 2# a 1# d 0

2. 对齐操作相同标签的Series会自动对齐计算：

   s1 = pd.Series([1, 2], index=['a', 'b'])s2 = pd.Series([3, 4], index=['b', 'c'])print(s1 + s2) # 输出：a→NaN, b→6, c→NaN

3. 删除元素

   删除指定标签（返回副本）：

   s = pd.Series([1, 2, 3], index=['a', 'b', 'c'])s_dropped = s.drop('a')

   删除多个标签：

   s_dropped = s.drop(['a', 'b'])

4. 添加元素

   直接通过索引赋值：

   s['d'] = 4 # 新增标签'd'

   合并Series：

   s_new = s.append(pd.Series([5], index=['e']))

5. 修改元素通过索引直接修改值：

   s['a'] = 100 # 修改单个值s[['b', 'c']] = 200 # 修改多个值

• 查看数据s.head(2) # 查看前2行s.tail(1) # 查看最后1行
• 属性检查print(s.index) # 查看索引print(s.values) # 查看值（NumPy数组）

1. 索引唯一性：Series的索引应尽量唯一，重复标签可能导致意外行为。
2. 空值处理：涉及空值的运算结果通常为空，需用fillna()或dropna()处理。
3. 性能优化：对大型Series操作时，优先使用向量化方法（如布尔索引）而非循环。

通过掌握这些操作，可以高效地处理一维带标签数据，为后续数据分析（如DataFrame操作）奠定基础。