Series

Pandas是一个基于NumPy的Python库，专门为了解决数据分析任务而创建的，它不仅纳入了大量的库和一些标准的数据模型，而且提供了高效操作大型数据集所需的工具，被广泛地应用到很多领域中，包括经济、统计、分析等学术和商业领域。

要想学好Pandas，前提是要对Pandas的数据结构有所了解。Pandas中有两个主要的数据结构：Series和DataFrame，其中Series是一维的数据结构，DataFrame是二维的、表格型的数据结构。

Series是一个类似于一维数组的对象，它能够保存任何类型的数据，比如整数、字符串、浮点数等，主要由一组数据和与之相关的索引两部分构成。接下来，通过一张图来描述Series的结构，具体如图1所示。

图1 Series对象结构示意图

图1展示的是Series结构表现形式，其索引位于左边，数据位于右边。

Pandas的Series类对象可以使用以下构造方法创建：

class pandas.Series(data = None,index = None,dtype = None,name = None,copy = False,
                    fastpath = False)

上述构造方法中常用参数的含义如下：

（1） data：传入的数据，可以是ndarray、list等。

（2） index：索引，必须是唯一的，且与数据的长度相同。如果没有传入索引参数，则默认会自动创建一个从0~N的整数索引。

（3） dtype：数据的类型。

（4） copy：是否复制数据，默认为False。

接下来，通过传入一个列表来创建一个Series类对象，示例代码如下。

In [1]: import pandas as pd             # 导入pandas库
        ser_obj = pd.Series([1, 2, 3, 4, 5])  # 创建Series类对象
        ser_obj
Out[1]:
0  1
1  2
2  3
3  4
4  5
dtype: int64

上述代码中，使用构造方法创建了一个Series类对象。从输出结果可以看出，左边一列是索引，索引是从0开始递增的，右边一列是数据，数据的类型是根据传入的列表参数中元素的类型推断出来的，即int64。

当然，我们也可以在创建Series类对象的时候，为数据指定索引，示例代码如下。

In [2]: # 创建Series类对象，并指定索引
        ser_obj = pd.Series([1, 2, 3, 4, 5], 
        index=['a', 'b', 'c', 'd', 'e'])
        ser_obj
Out[2]:
a  1
b  2
c  3
d  4
e  5
dtype: int64

除了使用列表构建Series类对象外，还可以使用dict进行构建，具体示例代码如下。

In [3]: year_data = {2001: 17.8, 2002: 20.1, 2003: 16.5}
        ser_obj2 = pd.Series(year_data)  # 创建Series类对象
        ser_obj2
Out[3]:
2001  17.8
2002  20.1
2003  16.5
dtype: float64

为了能方便地操作Series对象中的索引和数据，所以该对象提供了两个属性index和values分别进行获取。例如，获取刚刚创建的ser_obj对象的索引和数据，代码如下。

In [4]: ser_obj.index     # 获取ser_obj的索引
Out[4]: Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
In [5]: ser_obj.values    # 获取ser_obj的数据
Out[5]: array([1, 2, 3, 4, 5], dtype=int64)

上述示例中，通过index属性得到了一个Index类的对象，该对象是一个索引对象，后面会针对这个类型进行介绍。

当然，我们也可以直接使用索引来获取数据。例如，获取ser_obj对象中索引位置为3的元素，具体代码如下。

In [6]: ser_obj[3]      # 获取位置索引3对应的数据
Out[6]: 4

需要注意的是，索引和数据的对应关系仍保持在数组运算的结果中，也就是说，当某个索引对应的数据进行运算以后，其运算的结果会替换原数据，仍然与这个索引保持着对应的关系，具体示例代码如下。

In [7]: ser_obj * 2
Out[7]: 
a   2
b   4
c   6
d   8
e  10
dtype: int64