Python pandas.Series用法及代碼示例

用法: class pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

帶有軸標簽(包括時間序列)的一維 ndarray。

標簽不必是唯一的，但必須是可散列的類型。該對象支持基於整數和基於標簽的索引，並提供了許多用於執行涉及索引的操作的方法。 ndarray 中的統計方法已被覆蓋以自動排除丟失的數據(當前表示為 NaN)。

係列(+、-、/、*、**)之間的操作根據它們關聯的索引值對齊值——它們不必是相同的長度。結果索引將是兩個索引的排序聯合。

參數：

data：array-like，可迭代、字典或標量值

包含存儲在係列中的數據。如果 data 是一個 dict，則保持參數順序。

index：array-like 或索引 (1d)

值必須是可散列的並且具有與 data 相同的長度。允許使用非唯一索引值。如果未提供，將默認為 RangeIndex (0, 1, 2, ..., n)。如果 data 為dict-like 並且 index 為 None，則將 data 中的鍵用作索引。如果索引不是 None，則使用索引值重新索引生成的 Series。

dtype：str、numpy.dtype 或 ExtensionDtype，可選

輸出係列的數據類型。如果未指定，將從 data 推斷。有關更多用法，請參閱用戶指南。

name：str，可選

賦予係列的名稱。

copy：布爾值，默認為 False

複製輸入數據。僅影響 Series 或 1d ndarray 輸入。請參閱示例。

例子：

從具有指定索引的字典構造係列

>>> d = {'a':1, 'b':2, 'c':3}
>>> ser = pd.Series(data=d, index=['a', 'b', 'c'])
>>> ser
a   1
b   2
c   3
dtype:int64

字典的鍵與索引值匹配，因此索引值無效。

>>> d = {'a':1, 'b':2, 'c':3}
>>> ser = pd.Series(data=d, index=['x', 'y', 'z'])
>>> ser
x   NaN
y   NaN
z   NaN
dtype:float64

請注意，索引首先使用字典中的鍵構建。在此之後，Series 使用給定的 Index 值重新索引，因此我們得到所有 NaN 作為結果。

使用 copy=False 從列表構造係列。

>>> r = [1, 2]
>>> ser = pd.Series(r, copy=False)
>>> ser.iloc[0] = 999
>>> r
[1, 2]
>>> ser
0    999
1      2
dtype:int64

由於輸入數據類型，即使 copy=False ，係列也具有原始數據的 copy ，因此數據不變。

使用 copy=False 從一維 ndarray 構造係列。

>>> r = np.array([1, 2])
>>> ser = pd.Series(r, copy=False)
>>> ser.iloc[0] = 999
>>> r
array([999,   2])
>>> ser
0    999
1      2
dtype:int64

由於輸入數據類型，Series 在原始數據上具有view，因此數據也發生了更改。

相關用法

注：本文由純淨天空篩選整理自pandas.pydata.org大神的英文原創作品 pandas.Series。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。