Series(一)：Series的创建方式和常用属性说明

拼搏现实的明天。 2023-07-17 02:42 42阅读 0赞

大家好，我是黄同学

今天给大家介绍Series的创建方式和常用属性说明。

## 1、list、ndarray、Series的简单比较 ##

① list列表，列表中的元素可以是不同的数据类型，使用从0开始的整数值作为默认索引；

② ndarray数组，数组中的元素必须是同种数据类型，也是使用从0开始的整数值作为默认索引；

③ Series序列，是一种一维的结构，类似于一维列表和ndarray中的一维数组，但是功能比他们要更为强大，Series由两部分组成：索引index和数值values；

④ 一维列表和一维数组中都是采用从0开始的整数值作为默认索引，索引值一般不显示的给出，但是我们可以通过索引去获取其中的元素。对于Series来说，默认索引也是从0开始的整数值作为默认索引，但是是显示地给出，更为强大的是，Series中的索引可以随意设置，方便我们取数。

操作如下：

import numpy as np
     import pandas as pd
    
     l1 = [1,2,"中国",4.5]
     display(l1)
     display(l1[2])
    
     a1 = np.array([1,2,5,6,8])
     display(a1)
    display(a1[4])
    
    s1 = pd.Series([1,3,5,7,9])
    display(s1)
    display(s1[4])
    
    s2 = pd.Series([1,3,5,7,9],index=["a","b","c","d","e"])
    display(s2)
    display(s2["d"])
    display(s2[3])
    
    s3 = pd.Series([1,3,5,7,9],index=[3,4,5,6,7])
    display(s3)
    display(s3[6])

结果如下：

![format_png][]

通过上述测试，我们可以总结出来这第5条结论：

⑤ 创建Series序列时，当不指定索引的时候，默认会生成从0开始的整数索引；当指定了“字符串索引”(也叫“标签索引”)，既可以通过这个字符串索引访问元素，也可以通过原有的从0开始的整数索引访问元素；当指定一个“整数索引”，那么该索引会覆盖掉原有的默认的整数索引，只能通过这个新的整数索引访问元素，默认的整数索引会失效。

## 2、Series的5种常用创建方式 ##

*  语法：创建Series的语法：pd.Series()
 *  常用参数：index，用于指定新的索引；dtype，用于指定元素的数据类型；
 *  大前提：要记住Series是一个一维的结构！！！
 *  注意：当你指定了索引，系统会使用这个指定索引；当你没有指定索引，系统会默认给我们创建索引。

1）通过一维列表创建Series

x = [1,3,5,7,9]
    y = pd.Series(x)
    display(y)
    
    y1 = pd.Series(x,index=["a","b","c","d","e"],dtype=np.float32)
    display(y1)

结果如下：

![format_png 1][]

2）通过可迭代对象创建Series

x = range(2,7)
    y = pd.Series(x)
    display(y)

结果如下：

![format_png 2][]

3）通过字典创建Series

x = dict(a=22,b=18,c=35)
    y = pd.Series(x)
    display(y)
    
    x1 = pd.Series({"a":1,"b":2,"c":3})
    display(x1)

结果如下：

![format_png 3][]

4）通过一维数组创建Series

x = np.arange(1,6)
    y = pd.Series(x)
    display(y)

结果如下：

![format_png 4][]

5）通过标量(常数)创建Series

x = 22
    
    y1 = pd.Series(x)
    display(y1)
    
    y2 = pd.Series(x,index=list(range(5)))
    display(y2)

结果如下：

![format_png 5][]

注意：创建一个含有相同元素的Series，元素的个数取决于我们设置的索引的个数。

## 3、Series中常用属性说明 ##

1）Series和ndarray中常用属性对比

* ndim          返回Series的维数；
     * shape         返回Series的形状；
     * dtype         返回Series中元素的数据类型；
     * size          返回Series中元素的个数；
     * itemsize      返回Series中每一个元素占用空间的大小，
                     以字节为单位；
     * nbytes        返回Series中所有元素占用空间的大小，
                     以字节为单位；
     * T             返回Series的转置结果；
    
    #注意：下面这3个属性，在Series中才有。
    * index         返回Series中的索引；
    * values        返回Series中的数值；
    * name          返回Series的名称  或  返回Series索引的名称；

* ndim          返回数组的维数；
    * shape         返回数组的形状；
    * dtype         返回数组元素的数据类型；
    * size          返回数组中元素的个数；
    * itemsize      返回数组中每一个元素占用空间的大小，以字节为单位；
    * nbytes        返回数组中所有元素占用空间的大小，以字节为单位；
    * T             返回数组元素的转置结果；

操作如下：

s = pd.Series([1,3,5,7,9])
    display(s)
    
    display(s.ndim)
    display(s.shape)
    display(s.dtype)
    display(s.size)
    display(s.itemsize)
    display(s.nbytes)
    display(s.T)

结果如下：

![format_png 6][]

注意：

① 由于Series是一维的结构，因此Series的ndim的值肯定是1；

② 关于itemsize还有nbytes的具体用法，可以参考之前的一篇文章去了解

[《手撕numpy(二)：各种特性和简单操作》][numpy]

2）Series中特有的几个属性：index、values、name

① index和values属性

x = pd.Series([1,3,5,7,9])
    display(x)
    
    display(x.index)
    display(x.values)

结果如下：

![format_png 7][]

② name属性：动态创建Serie名称和Series索引名称

x = pd.Series([1,3,5,7,9])
    display(x)
    
    x.name = "Series的名称"
    x.index.name= "Series索引的名称"
    display(x)
    
    display(x.name)
    display(x.index.name)

结果如下：

![format_png 8][]

③ 在创建Series的时候，指定Series名称

y = pd.Series([1,3,5,7,9],index=["a","b","c","d","e"],name="Series的名称")
    display(y)
    
    display(y.index.name)
    display(y.name)

结果如下：

![format_png 9][]

注意：目前可能看不出来，指定这个索引名称的好处在哪里，这个在学习DataFrame的时候，会得到很好的体现。

如果多个series放在了一起，那么必然可以构建成一个dataframe，那么每个series的名称就是构成当前这个dataframe的column。(仔细先体会这段话)

下面，我们先用一个简单的例子，说明一下Serie名称的作用。

![format_png 10][]

从上图中可以看出，In\[6\]我们先创建了一个dataframe，这个dataframe可以看作是由三个Series堆积而成的。In\[8\]我们选取了其中一列，那么得到的就是一个Series，  In\[9\]我们获取这个Series的name，可以看出结果就是该列的column列名。

![format_png 11][]

**近期文章，点击图片即可查看**

[![format_png 12][]][numpy]

[![format_png 13][]][format_png 13 1]

[![format_png 14][]][format_png 14 1]

[![format_png 15][]][format_png 15 1]

**后台回复关键词「****进群****」，即刻加入读者交流群~**

![format_png 16][]

[format_png]: /images/20230528/a3960f2dca37489f9bbd3d00cac95805.png
[format_png 1]: /images/20230528/030d43de54a4475faf3b471a477c9cb8.png
[format_png 2]: /images/20230528/c7a45112e9b54ba9bbea174ef4895fb2.png
[format_png 3]: /images/20230528/301368c2ae10415985d6c9dd5835aa33.png
[format_png 4]: /images/20230528/2e288fed86e4494db85426fb070b12af.png
[format_png 5]: /images/20230528/987313333cdb42259615a005664f24d9.png
[format_png 6]: /images/20230528/66d7d614108d49048d715c9ade85891d.png
[numpy]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4d234ec93aaa5857c3694037f7dc3b3b1c35dbf2a3889a692dcbb52879ba2e6e3655644da8&idx=3&mid=2247485130&scene=21&sn=34f65d8c95069c793d2f56e5959335ea#wechat_redirect
[format_png 7]: /images/20230528/a36417a0fbad4594ae0f282c49b78621.png
[format_png 8]: /images/20230528/f22cd9e7d6f14f0b9a111cd7f561b163.png
[format_png 9]: /images/20230528/4686bc09492d42dcad357e5f5ff8fcd1.png
[format_png 10]: /images/20230528/715123af8e134d98aa8b55823e0bdbff.png
[format_png 11]: /images/20230528/15296ea0359b4039b0e43aa46e92142b.png
[format_png 12]: /images/20230528/b9e5e8cdbd8b45199dbd592766f5af6f.png
[format_png 13]: /images/20230528/d4c698f7fd58465bb7f4a0b414715c0c.png
[format_png 13 1]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4d234ec93aaa586acd1c25874b5e1f48170e317a79b172b7d4d44ce99c0e0222c3cfd95e5b&idx=4&mid=2247485130&scene=21&sn=106c41e12ce14f4b5dfa0aa95aabba4c#wechat_redirect
[format_png 14]: /images/20230528/4da020d854d2468a93ec8b91dc1d91b0.png
[format_png 14 1]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4d237ec93aaa68096f7c1116bfe52b0ee9f0222fc37aa16c09370bd5a214dc29ec41ba05e3&idx=2&mid=2247485178&scene=21&sn=2d96f522e06549621a67e47cc4e50026#wechat_redirect
[format_png 15]: /images/20230528/aa2ea89becc54719a2db03d03f2c5520.png
[format_png 15 1]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4d237ec93aaa68bfc7ddb3e65e57c4a6a4b2707c11a9c793ea62d36b16827b61690ca43e37&idx=3&mid=2247485178&scene=21&sn=ab24b1406a90da1acbd51e8b54dd6083#wechat_redirect
[format_png 16]: /images/20230528/7252d665bd0b47749828547725fa2a50.png