Pandas 数据结构 Series

1. 前言

通过上几小节的学习，我们已经能够将外部数据用 Pandas 库进行解析，通过实际代码操作可以看出，不同的数据文件解析的函数不同，不同的数据内容，解析出来数据结构也不一样。了解一组数据的结构类型，对于我们分析数据有着至关重要的作用，那 Pandas 中的数据结构究竟有哪几种呢？

Pandas 中有两种主要的数据结构 Series 和 DataFrame，正是这两种数据结构，是 Pandas 为应用提供一种可靠性、易于使用的基础。本节课我们将先从 Series 数据结构进行入手，讲解 Series 数据结构的特点，以及掌握该数据结构常用的属性和方法。

2. Series 数据结构概述

Series 是一种一维数组的对象，由一组数据和对应的数据标签（索引）所组成，也就是 index（索引） 和 values （值），表现形式为索引在左边，值在右边，并且其中的索引值是可以重复的，如果不指定索引，默认会创建一个从 0 开始的整数序列索引，数组里面可以放任意类型的数据，但数据必须是一维的；

3. Series 数据结构常用的属性

3.1 Series 常用的属性

Series 作为一维数组结构，它的对象中提供了一些常用的属性，来获取对象的信息，下面我们列举了一些常用的属性。

常用属性	属性描述
index	获取 Series 的索引对象
name	获取 Series 索引列的名字（index.name）或获取数据列的名字（values.name）
axes	获取 Series 索引的数组表示形式
values	获取 Series 的数组表示形式
ndim	获取 Series 的数据维度（Series是1维数组）
size	获取数据的个数
dtype	获取 Series 的数据类型

现在我们通过代码程序，具体演示上面的属性操作。

**实例：**我们通过定义一个 Series，然后分别演示上面的属性操作。

# 引入pandas
import pandas as pd
# 定义一个series对象
obj=pd.Series([12,"welcom",23, "to",34, "pandas",45])
print(obj)

# --- 输出结果 --- 
0        12
1    welcom
2        23
3        to
4        34
5    pandas
6        45

具体的属性操作：

# index 属性
print(obj.index)
#--- 输出结果 ---
RangeIndex(start=0, stop=7, step=1)   #索引对象的的开始下标,最后下标,步长

# values 属性
print(obj.values)
#--- 输出结果 ---
[12 'welcom' 23 'to' 34 'pandas' 45]   #Series的数组表示的值

# name 属性
print(obj.index.name)
#--- 输出结果 ---
None  #None是索引列和数据类默认的名称，可以通过 obj.index.name="索引" 重新命名

# axes 属性
print(obj.axes)
#--- 输出结果 ---
[RangeIndex(start=0, stop=7, step=1)]  #下标从0到7，步长为1,长度为8的数组

# ndim 属性
print(obj.ndim)
#--- 输出结果 ---
1  #验证了Series是一维数组

# size 属性
print(obj.size)
#--- 输出结果 ---
7  #有7个数据

# dtype 属性
print(obj.dtype)
#--- 输出结果 ---
object  #是一个object的数据类型，这里要区分一下数据类型和数据结构，我们说Series是Pandas的数据结构之一，并不是数据类型就是Series。

3.2 Series 常用的方法

另外 Series 中还提供了丰富的函数，方便我们来进行操作，下面我们列举了几个常用的操作方法。

常用函数	函数描述
Series()	创建一个 Series 数据结构的对象
isnull()和notnull()	用于检测缺失数据
argmin()和argmax()	返回对应条件值的索引位置
copy()	复制一个 Series，注意浅拷贝和深拷贝
reindex([x,y,…])	重返回一个适应新索引的新对象，缺失索引对应数值使用默认值 NaN
drop()	丢弃指定索引的项

下面我们分别看一下每个方法的具体操作实例：

Series() 方法

该方法用于创建一个一维数组的对象，通过该方法有多种方式去创建 Series 对象：方式一：Series([x,y,…])、方式二：Series([x,y,…], index=[param1,param1,…])、方式三：Series({“a”:x,“b”:y,…})

# 引入pandas
import pandas as pd

# 形式一：Series([x,y,...])
obj=pd.Series([12,23,34,45])
print(obj)
#--- 输出结果 ---
0    12
1    23
2    34
3    45
dtype: int64

# 形式二：Series([x,y,...], index=[param1,param1,...])
obj=pd.Series([12,23,34,45],index=["a","b","c","d"])
print(obj)
#--- 输出结果 --- 
# 该形式，我们可以指定它的索引列的值
a    12
b    23
c    34
d    45
dtype: int64

# 形式三：Series({"a":x,"b":y,...})
obj2=pd.Series({"a":12,"b":33,"c":5,"d":22})
print(obj2)
#--- 输出结果 ---
# 这里我们里面传入的是一个字典，他的key就会对应成索引列，value对应数据列
a    12
b    33
c     5
d    22
dtype: int64

isnull() 和 notnull() 方法

isnull() 是缺失值返回 Ture 运行结果，而 notnull() 则不是缺失值的返回 Ture 运行结果

# 引入pandas
import pandas as pd
obj=pd.Series([12,23,34,45],index=["a","b","c","d"])
print(obj.isnull())
#--- 输出结果 ---
a    False
b    False
c    False
d    False
dtype: bool
    
print(obj.notnull())
#--- 输出结果 ---
a    True
b    True
c    True
d    True
dtype: bool

argmin() 和 argmax() 方法

argmin() 用于返回最小值索引的位置，argmax() 用于返回最大值索引的位置

# 引入pandas
import pandas as pd
obj2=pd.Series({"a":12,"b":33,"c":5,"d":22})
print(obj2.argmin())
# --- 输出结果 ---
2 #最小值的索引为2，因为索引是从0开始的，我们最小值为5,

print(obj2.argmax())
# --- 输出结果 ---
1 #最小值的索引为1，最大值是33,

copy( ) 方法

该方法为拷贝一个 Series，但要注意里面的 deep 设置，也就是深拷贝 copy(deep=True) 和浅拷贝copy(deep=False) 的问题。浅拷贝：拷贝父对象，不会拷贝对象的内部的子对象，只复制对象本身，没有复制该对象所引用的对象；深拷贝：完全拷贝了父对象及其子对象，新的组合对象与原对象没有任何关联。

# 引入pandas
import pandas as pd
obj2=pd.Series({"a":12,"b":33,"c":5,"d":22})
# 1.cpys 浅拷贝
cpys = obj2.copy(deep=False)
cpys['a']=0
print(cpys)
print(obj2)
# --- 输出结果 ---
# 这是浅拷贝之后的cpys
a     0
b    33
c     5
d    22
dtype: int64
# 这是被拷贝的 obj2
a     0
b    33
c     5
d    22
dtype: int64
# 通过上面的输出结果，我们可以看到，我们对拷贝后的对象进行修改，也会影响到被浅拷贝的对象，进而证明了，浅拷贝只复制对象本身，没有复制该对象所引用的对象
  
# 2.cpys\_deep深拷贝
cpys_deep = obj2.copy(deep=True)
cpys_deep['a']=0
print(cpys_deep)
print(obj2)
# --- 输出结果 ---
# 这是深拷贝之后的cpys\_deep
a     0
b    33
c     5
d    22
dtype: int64
# 这是被拷贝的 obj2
a    12
b    33
c     5
d    22
dtype: int64  
# 我们通过输出结果，可以看到 索引a，obj和cps\_deep的值是不一样的，我们修改拷贝后的对象，并不能影响到被拷贝的对象，这就是深拷贝，它完全拷贝了父对象及其子对象，和之前的对象是相互独立的。

reindex([x,y,…]) 方法

该方法会将源 Series 对象，按照新的索引顺序生成新的 Series 对象，默认如果没有对应索引的则使用默认值NaN。( NaN 即"⾮数字" (not a number)，在 Pandas 中，它⽤于表示缺失或NA值 )

# 引入pandas
import pandas as pd
obj=pd.Series([12,23,6,145,44],index=["a","b","c","d","e"])
rs_obj=obj.reindex(["e","d","c","b","a","f","g"])
print(rs_obj)

#--- 输出结果 ---
e     44.0
d    145.0
c      6.0
b     23.0
a     12.0
f      NaN
g      NaN
dtype: float64
# 这里我们看到按照我们写的索引的顺序，生成了一个新的对象rs\_obj，没有值的默认为NaN进行填充。

drop( ) 方法

该方法通过传入指定的索引，丢弃对应的数据项，返回一个新的 Series 对象。

# 引入pandas
import pandas as pd
obj=pd.Series([12,23,6,145,44],index=["a","b","c","d","e"])
drop_obj=obj.drop(["e","d"])
print(obj)
print(drop_obj)

#--- 输出结果 ---
# 源对象
a     12
b     23
c      6
d    145
e     44
dtype: int64
# drop操作后新的对象 drop\_obj
a    12
b    23
c     6
dtype: int64

4. 小结

通过本小节内容的学习，我们了解到 Pandas 库主要包含了两种数据结构，该节内容主要讲述了 Series 数据结构特点，以及我们如何操作该数据结构的常用方法，在实际运用当中，大家会接触到更多关于 Series 数据结构的使用方法和技巧。本节课程的重点如下：

• Series 数据结构的常用属性；
• Series 数据结构的常用操作方法；