[L1]快速掌握Series~创建Series

前言

由于在公众号上文本字数太长可能会影响阅读体验，因此过于长的文章，我会使用"[L1]"来进行分段。这系列将介绍Pandas模块中的Series，本文主要介绍：

• 什么是Series？
• 如何创建Series？

a 什么是Series？

Series是一种类似于一维数组的对象，与一维数组对象不同的是Series带有标签（索引），通俗来说就是一维带标签（索引）的一维数组。如下图所示：

▲带有索引的一维数组

b 如何创建Series？

Series是一维带标签（索引）的一维数组，对于Series最关键的也就是索引index和与之对应的value值。

一般格式 (这里的data就是value值的集合)：

s = pd.Series( data , index )

data几种常见的取值类型：

1. 标量值、list列表；
2. ndarray对象；
3. dict字典；

index取值规范：

1. 索引值必须是可hashable的（如果一个对象是可散列的，那么在这个对象的生命周期中，他的散列值是不会变的（它需要实现__hash__()方法）），并且索引index的长度必须和value值的长度一致，如果不一致会抛出异常（这点需要格外的注意）；
2. 如果不设置索引，默认索引是从0到n-1的序列值[其中n为data值的长度]；
3. 如果data的类型为dict字典类型，对应的字典中的key值就是对应series对象中的index值；
4. 相同的索引值也是可以的；

下面依照着data的几种常见的类型来分别介绍，中间会穿插着index的取值规范问题：

data为标量值、list列表

#data:标量值1
#index:不指定（默认索引）
import pandas as pd
s = pd.Series(1)
print(s)

result:
0    1
dtype: int64

#data:list列表
#index:通过list列表指定，其中data和index长度一致
import pandas as pd
s = pd.Series([1,2,3,4,5],index = ["a","a","c","d","e"])
print(s)

result:
a    1
a    2
c    3
d    4
e    5
dtype: int64

注意：

• 当创建Series对象的时候指定index的时候，index元素个数（此处的index为一个list列表）要和data中元素个数相等；
• 使用相同的索引值"a"，程序并没有发生异常，索引值可以是相同的；

data为ndarray对象

import numpy as np
import pandas as pd

data = np.arange(5)
#使用list作为index索引
index2 = ["a","b","c","d","e"]
#使用ndarray数组作为index索引
index3 = np.array(["a","b","c","d","e"])

s = pd.Series(data)
s2 = pd.Series(data,index2)
s3 = pd.Series(data,index3)

print(s)
print("-"*6)
print(s2)
print("-"*6)
print(s3)

result:
0    0
1    1
2    2
3    3
4    4
dtype: int32
------
a    0
b    1
c    2
d    3
e    4
dtype: int32
------
a    0
b    1
c    2
d    3
e    4
dtype: int32

注意：

• 此时的data是ndarray数组类型，而index分别指定了无参数的默认index索引、指定list列表以及指定ndarray数组类型的index。

data为dict字典

import pandas as pd

d = {"a":0,"b":1,"c":2}
s = pd.Series(d)
print(s)

result:
a    0
b    1
c    2
dtype: int64

这里由于将data位置的参数传入字典，将字典的键作为了Series对象的index，所以如果再次指定index的时候会出现一些新的情况：

1. 指定的index中不包含字典中的键值；
2. 指定的index中包含部分字典中的键值；
3. 指定的index中包含全部的字典中键值；

下面就使用代码简单的介绍一下这三种情况。

• 指定的index中不包含字典中的键值

import pandas as pd
d = {"a":0,"b":1,"c":2}
s = pd.Series(d,index = ["d","e"])
print(s)

result:
d   NaN
e   NaN
dtype: float64

• 指定的index中包含部分字典中的键值

import pandas as pd
d = {"a":0,"b":1,"c":2}
s = pd.Series(d,index = ["a","d"])
print(s)

result:
a    0.0
d    NaN
dtype: float64

• 指定的index中包含全部的字典中键值

import pandas as pd
d = {"a":0,"b":1,"c":2}
s = pd.Series(d,index = ["a","b","c"])
print(s)

result:
a    0
b    1
c    2
dtype: int64

总结：

我们知道创建Series对象的一般格式，包含两个参数data和index索引。我们使用Python字典作为创建Series的data，同时我们知道当将字典作为创建Series对象的data的话，Python字典中的key可以作为Series的index，但是此时我们仍然可以继续指定index，通过上面的三种情况的描述，可以得出结论，使用字典创建Series，同时指定index的话，此时的index起到一个筛选的作用，最终的输出结果就是指定的index，如果指定的index在字典中的key中，则将对应的值关联到指定的index中；如果指定的index不在字典中的key中，则将NaN关联到指定index中。由于Python中字典中的key不能够重复，所以虽然Series允许使用有重复的index值，但是如果使用字典创建Series的时候肯定不会有相同的index值。