Python Pandas Series构造函数用法及代码示例

例子

使用数组

要使用数组初始化系列：

s = pd.Series([3,4,5])
s



0   3
1   4
2   5
dtype: int64

由于我们没有指定 index ，因此使用默认整数索引 ( [0,1,2] )。

使用字典

要使用Map初始化系列：

my_data = {"A":3, "B":4, "C":5}
s = pd.Series(my_data)
s



A   3
B   4
C   5
dtype: int64

在这里，请注意字典的键如何成为系列的索引。

指定索引

要设置Series的索引，请传入index参数：

s = pd.Series([3,4,5], index=["A","B","C"])
s



A    3
B    4
C    5
dtype: int64

指定数据类型

要在系列上强制执行数据类型：

s = pd.Series(["3","4","5"], dtype="int")
s



0   3
1   4
2   5
dtype: int64

指定名称

要为系列分配名称，请传入 name 参数：

s = pd.Series([3,4,5], name="my_series")
s



0   3
1   4
2   5
Name: my_series, dtype: int64

指定副本

默认情况下， copy=True ，这意味着为构建的 Series 分配一个新的内存块。因此，修改该系列不会改变原始data，反之亦然。

我们可以初始化一个使用 data 占用的相同内存块的 Series，而不是创建 data 的新副本：

s1 = pd.Series([3,4])
s2 = pd.Series(s1, copy=False)
s2



0    3
1    4
dtype: int64

在这里，我们正在初始化系列 s1 中的系列 s2 。关键是这些系列的数据共享相同的内存块，这意味着修改一个系列会改变另一个：

s1[0] = 9
s2



0    9
1    4
dtype: int64