Python Pandas Series構造函數用法及代碼示例

例子

使用數組

要使用數組初始化係列：

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



0   3
1   4
2   5
dtype: int64

由於我們沒有指定 index ，因此使用默認整數索引 ( [0,1,2] )。

使用字典

要使用Map初始化係列：

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



A   3
B   4
C   5
dtype: int64

在這裏，請注意字典的鍵如何成為係列的索引。

指定索引

要設置Series的索引，請傳入index參數：

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



A    3
B    4
C    5
dtype: int64

指定數據類型

要在係列上強製執行數據類型：

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



0   3
1   4
2   5
dtype: int64

指定名稱

要為係列分配名稱，請傳入 name 參數：

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

默認情況下， copy=True ，這意味著為構建的 Series 分配一個新的內存塊。因此，修改該係列不會改變原始data，反之亦然。

我們可以初始化一個使用 data 占用的相同內存塊的 Series，而不是創建 data 的新副本：

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



0    3
1    4
dtype: int64

在這裏，我們正在初始化係列 s1 中的係列 s2 。關鍵是這些係列的數據共享相同的內存塊，這意味著修改一個係列會改變另一個：

s1[0] = 9
s2



0    9
1    4
dtype: int64