Pandas 中序列(Series)是能够保存任何类型的数据(整数，字符串，浮点数，Python对象等)的一维标记数组。 轴标签统称为索引。这个概念与字典有点类似。
pandas.Series( data, index, dtype, copy)构造函数的参数如下：
data为来源数据，可以使用多种格式，如：ndarray，list，constants；index必须是唯一的和散列的索引值，与数据的长度相同。 如果没有索引被传递，缺省使用np.arange(n)；dtype用于数据类型。如果没有，会尝试推断数据类型；copy复制数据，默认为false。
可以使用各种 Python 中的序列来创建一个 Pandas 序列，如：
- 数组
- 字典
- 标量值或常数
如果没有参数会创建一个基本序列，则是一个空序列。
In [2]:
import pandas as pd
import numpy as np
In [3]:
s = pd.Series()
s
Out[3]:
Series([], dtype: object)
最好声明一下类型。
In [4]:
pd.Series(dtype= np.float64)
Out[4]:
Series([], dtype: float64)
如果数据是 ndarray ，则传递的索引必须具有相同的长度。
如果没有传递索引值，那么默认的索引范围将是 np.arange(n) ，其中 n 是数组长度。
In [5]:
import numpy as np
data = np.array(['a','b','c','d'])
s = pd.Series(data)
s
Out[5]:
0 a 1 b 2 c 3 d dtype: object
这里没有传递任何索引，因此默认情况下，它分配了从 0 到 len(data)-1 的索引，即： 0 - 3。
In [6]:
s2 = pd.Series(data,index=[100,101,102,103])
s2
Out[6]:
100 a 101 b 102 c 103 d dtype: object
In [7]:
data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data)
s
Out[7]:
a 0.0 b 1.0 c 2.0 dtype: float64
注意：字典键用于构建索引。
In [8]:
# data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data,index=['b','c','d','a'])
s
Out[8]:
b 1.0 c 2.0 d NaN a 0.0 dtype: float64
注意观察：索引顺序保持不变，缺少的元素使用 NaN (不是数字)填充。
In [9]:
s = pd.Series(5, index=[0, 1, 2, 3])
s
Out[9]:
0 5 1 5 2 5 3 5 dtype: int64
In [10]:
s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
检索第一个元素。比如已经知道数组从零开始计数，第一个元素存储在零位置。
In [11]:
s[0]
/tmp/ipykernel_6695/243613605.py:1: FutureWarning: Series.__getitem__ treating keys as positions is deprecated. In a future version, integer keys will always be treated as labels (consistent with DataFrame behavior). To access a value by position, use `ser.iloc[pos]` s[0]
Out[11]:
np.int64(1)
检索序列中的前三个元素。 如果 a: 被插入到其前面，则将从该索引向前的所有项目c。
如果使用两个参数(使用它们之间)，则将从两个索引之间的项目(不包括停止索引)被提取。
In [12]:
s[:3]
Out[12]:
a 1 b 2 c 3 dtype: int64
检索最后三个元素，参考以下示例代码：
In [13]:
s[-3:]
Out[13]:
c 3 d 4 e 5 dtype: int64
使用索引标签值检索单个元素。
In [14]:
s['a']
Out[14]:
np.int64(1)
使用索引标签值列表检索多个元素。
In [15]:
s[['a','c','d']]
Out[15]:
a 1 c 3 d 4 dtype: int64
如果请求不存在的标签，则会出现异常。