专栏导读
✍ 作者简介：i阿极，CSDN Python领域新星创作者，专注于分享python领域知识。
✍ 本文录入于《数据分析之道》，本专栏针对大学生、初级数据分析工程师精心打造，对python基础知识点逐一击破，不断学习，提升自我。
✍ 订阅后，可以阅读《数据分析之道》中全部文章内容，包含python基础语法、数据结构和文件操作，科学计算，实现文件内容操作，实现数据可视化等等。
✍ 其他专栏：《数据分析案例》 ，《机器学习案例》😊😊😊如果觉得文章不错或能帮助到你学习，可以点赞👍收藏📁评论📒+关注哦！👍👍👍
📜📜📜如果有小伙伴需要数据集和学习交流，文章下方有交流学习区！一起学习进步！💪
1、Series简介
Series是一种一维数组结构，它由两个部分组成：索引和值。索引是一个标签数组，可以用来标识数据。值可以是任何类型的数据，例如整数、浮点数、字符串等。Series提供了类似于Numpy数组的操作，同时也支持类似于Python字典的操作。
函数如下：
pandas.Series( data, index, dtype, name, copy)
参数说明：
-
data：一组数据(ndarray 类型)。
-
index：数据索引标签，如果不指定，默认从 0 开始。
-
dtype：数据类型，默认会自己判断。
-
name：设置名称。
-
copy：拷贝数据，默认为 False。
2、创建Series
创建Series的方式非常简单，可以使用Python列表、Numpy数组或者字典来创建Series。
使用列表创建Series:
import pandas as pd
# 使用列表创建Series
s1 = pd.Series([1, 2, 3, 4, 5])
print(s1)
使用Numpy数组创建Series:
import numpy as np
s2 = pd.Series(np.array([10, 20, 30, 40, 50]))
print(s2)
使用字典创建Series:
# 使用字典创建Series
s3 = pd.Series({'apple': 3, 'banana': 2, 'orange': 5})
print(s3)
3、Series索引
Series的索引可以通过索引标签或者整数位置来访问。
例如：
通过索引标签访问元素
s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])
print(s)
# 通过索引标签访问元素
print(s['a'])
print(s['c'])
通过整数位置访问元素
s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])
print(s)
# 通过整数位置访问元素
print(s[0])
print(s[2])
可以看到，通过索引标签访问元素需要使用方括号，并将索引标签作为参数传入。通过整数位置访问元素也需要使用方括号，并将整数位置作为参数传入。需要注意的是，如果Series中的索引标签是整数，则使用整数位置访问元素时可能会出现歧义。
使用.loc属性访问元素
# 使用.loc属性访问元素
print(s.loc['a'])
print(s.loc['c'])
使用.iloc属性访问元素
# 使用.iloc属性访问元素
print(s.iloc[0])
print(s.iloc[2])
.loc用于通过索引标签访问元素，.iloc用于通过整数位置访问元素
4、Series切片
除了访问单个元素，还可以使用切片来访问Series中的一部分数据。使用切片需要指定开始索引和结束索引，语法与Python中的切片语法类似。
例如：
使用索引标签切片
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])
print(s)
# 使用索引标签切片
print(s['a':'c'])
使用整数位置切片
# 使用整数位置切片
print(s[0:3])
文章来源：https://www.toymoban.com/news/detail-453954.html
📢文章下方有交流学习区！一起学习进步！💪💪💪
📢首发CSDN博客，创作不易，如果觉得文章不错，可以点赞👍收藏📁评论📒
📢你的支持和鼓励是我创作的动力❗❗❗文章来源地址https://www.toymoban.com/news/detail-453954.html
到了这里，关于【数据分析之道-Pandas(一)】Series操作的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
![[数据分析实战]对比用Excel和Python用来做数据分析的优缺点，用Python的Pandas操作Excel数据表格原来如此简单？还不赶紧学起来？](https://imgs.yssmx.com/Uploads/2024/02/767458-1.png)
