🚀前言

在数据分析的领域，Python凭借其强大的库和工具，成为了数据科学家的首选语言。其中，Pandas库以其高效、灵活的数据处理能力而备受欢迎。无论是数据清洗、分析还是可视化，Pandas都能提供强有力的支持。而在Pandas中，Series对象是一个重要的基础数据结构，它使得数据的操作变得更加简单和高效。

本文将带你初识Pandas库及其核心组件——Series对象。我们将探讨Series的基本概念、常用操作以及实际应用场景，帮助你快速上手这一强大的数据分析工具。

🚀一、初识Pandas和Series对象

🔎1.初识Pandas

Pandas 是一个基于NumPy构建的Python库，专为高效处理结构化数据设计。其核心功能包括数据清洗、转换、分析和可视化。

Pandas处理的数据类型

• 表格数据：类似SQL表或Excel表格的结构化数据。
• 时间序列：有序（固定频率）或无序的时间相关数据。
• 矩阵数据：带行列标签的二维数据。
• 任意观测/统计数据集：灵活支持多种数据格式。

核心数据结构

1. Series：一维带标签数组，可存储任意数据类型。
2. DataFrame：二维表格型数据结构，可视为多个Series的集合。

Pandas核心优势

• 处理缺失数据：自动识别NaN值，支持填充、删除等操作。
• 动态数据结构：支持动态增删行列（DataFrame）。
• 数据对齐：自动按标签对齐数据，简化计算。
• 分组统计：强大的groupby功能，支持聚合、转换、过滤。
• 数据导入/导出：支持CSV、Excel、SQL、HDF5等格式。
• 时间序列处理：支持日期范围生成、频率转换、滑动窗口分析。

🔎2.Series对象

🦋2.1 图解Series

Series是带标签的一维数组，由 数据值（Values） 和 索引（Index） 组成。
示例：学生成绩表

• Series特点：

  • 索引可自定义（默认从0开始）。
  • 数据可为任意类型（整数、浮点数、字符串等）。

🦋2.2 创建Series对象

使用pd.Series()方法创建Series：

import pandas as pd

# 默认索引（0,1,2）
s1 = pd.Series([88, 60, 75])
print(s1)

输出：

0    88
1    60
2    75
dtype: int64

🦋2.3 手动设置索引

通过index参数自定义索引：

# 数值索引
s2 = pd.Series([88, 60, 75], index=[1, 2, 3])

# 字符串索引
s3 = pd.Series([88, 60, 75], index=['明日同学', '高同学', '七月流火'])
print(s3)

输出：

明日同学    88
高同学     60
七月流火    75
dtype: int64

🦋2.4 Series的索引方式

1. 位置索引（从0开始）：

   print(s1[0])  # 输出: 88
   

   注意：不支持负索引（如s1[-1]会报错）。

2. 标签索引：

   print(s3['明日同学'])          # 输出: 88
   print(s3[['明日同学', '七月流火']])  # 输出指定多个标签
   

3. 切片索引：

   • 标签切片（包头包尾）：

     print(s3['明日同学':'七月流火'])
     

     输出：

     明日同学    88
     高同学     60
     七月流火    75
     

   • 位置切片（包头不包尾）：

     s4 = pd.Series([88, 60, 75, 34, 68])
     print(s4[1:4])
     

     输出：

     1    60
     2    75
     3    34
     

🦋2.5 获取索引和值

print(s3.index)  # 输出索引: Index(['明日同学', '高同学', '七月流火'], dtype='object')
print(s3.values) # 输出数据值: [88 60 75]

🔎3.示例代码整合

import pandas as pd

# 创建默认索引的Series
s1 = pd.Series([88, 60, 75])
print("默认索引Series:\n", s1)

# 自定义索引
s2 = pd.Series([88, 60, 75], index=[1, 2, 3])
s3 = pd.Series([88, 60, 75], index=['明日同学', '高同学', '七月流火'])
print("\n自定义索引Series:\n", s3)

# 索引操作
print("\n标签索引获取值:", s3['明日同学'])
print("标签切片:\n", s3['明日同学':'七月流火'])
print("位置切片:\n", s1[1:3])

# 获取索引和值
print("\nSeries索引:", s3.index.tolist())
print("Series数据值:", s3.values.tolist())

输出：

默认索引Series:
 0    88
1    60
2    75
dtype: int64

自定义索引Series:
 明日同学    88
高同学     60
七月流火    75
dtype: int64

标签索引获取值: 88
标签切片:
 明日同学    88
高同学     60
七月流火    75
dtype: int64
位置切片:
 1    60
2    75
dtype: int64

Series索引: ['明日同学', '高同学', '七月流火']
Series数据值: [88, 60, 75]

🔎4.注意事项

1. 索引长度匹配：data与index长度必须一致，否则报错。
2. 中文字符处理：在代码中使用中文索引时，确保文件编码为UTF-8。
3. 数据类型：Series会自动推断数据类型（如int64），可通过dtype属性查看。