### Python 中 Series 的特性 #### 切片运算是否包含末端 在 Python 的 `pandas.Series` 中，切片运算的行为取决于所使用的索引方式。当使用隐式整数索引时，切片范围 `[start:end]` 不包含末端值 `end`[^1]。例如： ```python import pandas as pd s = pd.Series([10, 20, 30, 40, 50]) print(s[1:3]) # 输出索引为 1 和 2 的元素，不包含索引为 3 的元素 ``` 然而，当使用显式标签索引时，切片范围 `[start:end]` 包含末端值 `end`[^2]。例如： ```python s = pd.Series([10, 20, 30, 40, 50], index=['a', 'b', 'c', 'd', 'e']) print(s['b':'d']) # 输出索引为 'b', 'c', 'd' 的元素，包含末端值 'd' ``` 为了避免混淆，可以使用 `.iloc`（基于位置）或 `.loc`（基于标签）来明确指定切片方式[^3]。 #### Series 支持的数据类型 `pandas.Series` 可以支持多种数据类型，包括但不限于整数、浮点数、字符串、布尔值以及对象类型。通过 `dtype` 属性可以查看 `Series` 的数据类型。例如： ```python import numpy as np import pandas as pd s = pd.Series(np.random.rand(5)) print(s) print(s.dtype) # 输出数据类型，如 float64 ``` 如果 `Series` 中的元素具有不同的数据类型，`pandas` 会尝试将它们转换为兼容的类型，通常是 `object` 类型。例如： ```python s = pd.Series([1, "string", True]) print(s) print(s.dtype) # 输出 object，表示混合数据类型 ``` 此外，`pandas.Series` 还支持复杂的结构化数据类型，例如列表、字典或其他 Pandas 数据结构[^4]。 ### 示例代码 以下是一个综合示例，展示 `Series` 的切片运算和数据类型支持： ```python import pandas as pd # 创建一个包含多种数据类型的 Series s = pd.Series([10, "hello", 3.14, True, None], index=['a', 'b', 'c', 'd', 'e']) # 查看 Series 的内容和数据类型 print(s) print(s.dtype) # 输出 object，因为包含多种数据类型 # 使用隐式整数索引进行切片 print(s[1:3]) # 不包含索引为 3 的元素 # 使用显式标签索引进行切片 print(s['b':'d']) # 包含标签为 'd' 的元素 # 使用 .iloc 和 .loc 明确指定切片方式 print(s.iloc[1:3]) # 不包含索引为 3 的元素 print(s.loc['b':'d']) # 包含标签为 'd' 的元素 ```