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：

结果如下：

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。

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

结果如下：

2）通过可迭代对象创建Series

结果如下：

3）通过字典创建Series

结果如下：

4）通过一维数组创建Series

结果如下：

5）通过标量(常数)创建Series

结果如下：

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。

1）Series和ndarray中常用属性对比

操作如下：

结果如下：

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》

2）Series中特有的几个属性：index、values、name

① index和values属性

结果如下：

② name属性：动态创建Serie名称和Series索引名称

结果如下：

③ 在创建Series的时候，指定Series名称

结果如下：

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。

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。

近期文章，点击图片即可查看

后台回复关键词「进群」，即刻加入读者交流群~