首页 > 编程笔记 > Python笔记 阅读：10

Python Pandas创建Series对象的多种方法（附带实例）

Series 是 Pandas 的核心对象之一，该对象与 Python 中的列表对象类似，它们存储数据的方式与一维数组类似。不过 Series 对象还包含与数据对应的索引（标签）。

为了使本节的示例代码正常运行，需要在每个示例的开头添加以下代码，在 Python 中导入 Pandas 库，并将其别名设置为 pd，本节中的每个示例都使用该别名： 
import pandas as pd

使用 Pandas 中的 Series() 函数可以创建 Series 对象，该函数主要有以下两个参数：

Python列表创建Series对象

下面的代码是使用 Python 中的列表对象作为 data 参数来创建 Series 对象，并将从 1 开始的自然数序列设置为数据的索引，最后一个索引编号会根据列表中的元素总数自动调整。 
data = list('python')
index = list(range(1, len(data)+1))
sr = pd.Series(data, index)
上述代码将创建以下数据： 
1    p
2    h
3    t
4    h
5    o
6    n
为 index 变量赋值时，可以省略 list() 函数，将上面的代码改为以下形式： 
index = range(1, len(data)+1))

如果不想使用中间变量 data 和 index，则可以将 3 行代码合并为一行： 
sr = pd.Series(list('python'), range(1, len(names)+1))

如果省略 index 参数，则创建的 Series 对象中的数据起始索引将从 0 开始。 
0    p
1    h
2    t
3    h
4    o
5    n

除了数字之外，也可以使用字符串作为索引。下面的代码是使用从 A 开始的英文大写字母作为数据的索引： 
data = list('python')
index = list('ABCDEF')
sr = pd.Series(data, index)
上述代码将创建以下数据： 
A    p
B    h
C    t
D    h
E    o
F    n
data 参数的值也可以是手动输入元素的列表，列表中的各个元素可以具有不同的数据类型。
data=[1, 2, 3, 'Python', 'NumPy', 'Pandas']
index= list('ABCDEF')
sr = pd.Series(data, index)
上述代码将创建以下数据： 
A         1
B         2
C         3
D    Python
E     NumPy
F    Pandas
提示，当 index 参数中的索引个数大于 data 参数中的数据个数时，多出的索引所对应的数据将显示为 NaN(Not a Number)，这是在 Pandas 中表示缺失数据的方法。

Python字典创建Series对象

下面的代码与上一个示例的功能相同，此处使用 Python 中的字典对象作为 data 参数来创建 Series 对象，此时会将字典中的键作为数据的索引，所以无须额外指定 index 参数。 
data = dict(zip(range(1, 7), list('python')))
sr = pd.Series(data)

如果在使用字典的情况下仍然指定了 index 参数，则最后创建的数据的索引将按照 index 参数的顺序显示，并从字典中提取相应的值： 
data = dict(zip(range(1, 7), list('python')))
sr = pd.Series(data, [1, 3, 5, 2, 4, 6])
上述代码将创建以下数据： 
1    p
3    t
5    o
2    y
4    h
6    n

Python使用字面值创建Series对象

下面的代码使用字面值作为 data 参数来创建 Series 对象。由于 index 参数有 6 个值（1~6），而 data 参数只有一个值（666），为了使每个索引都有对应的值，所以会将 666 重复显示 6 次，使每个索引都有一个值。 
sr = pd.Series(666, range(1, 7))
上述代码将创建以下数据： 
1    666
2    666
3    666
4    666
5    666
6    666
提示，Python 中的字面值在 Pandas 和 NumPy 中称为标量值，表示没有方向的值。

NumPy数组创建Series对象

下面的代码是使用 NumPy 中的 arange() 函数创建一个一维数组，并将其作为 data 参数来创建 Series 对象： 
sr = pd.Series(np.arange(100,106))
上述代码将创建以下数据： 
0    100
1    101
2    102
3    103
4    104
5    105

相关文章