### Pandas Series 使用方法及属性介绍 #### 1. 创建 Pandas Series 对象 Pandas 中的 `Series` 是一种类似于一维数组的对象，它由两部分组成：一组数据 (`values`) 和相关的索引标签 (`index`)。可以通过字典、列表或其他可迭代对象创建一个 `Series`。 以下是创建 `Series` 的基本方式： ```python import pandas as pd data = {'a': 10, 'b': 20, 'c': 30} series = pd.Series(data, name="Example_Series") print(series) ``` 输出结果如下： ``` a 10 b 20 c 30 Name: Example_Series, dtype: int64 ``` #### 2. 常用属性 以下是一些常用的 `Series` 属性及其作用： - **`dtype`**: 返回 `Series` 数据类型的元信息[^2]。 - **`shape`**: 返回 `Series` 的形状，通常是一个单元素的元组表示其长度[^3]。 - **`size`**: 返回 `Series` 中元素的数量[^4]。 - **`name`**: 获取或设置 `Series` 的名称。 - **`index`**: 返回 `Series` 的索引标签集合。 - **`values`**: 返回底层存储的数据作为 NumPy 数组。 示例代码展示如何访问这些属性： ```python print(f"Dtype of series: {series.dtype}") # 输出系列的数据类型 print(f"Shape of series: {series.shape}") # 输出系列的形状 print(f"Size of series: {series.size}") # 输出系列的大小 print(f"Index of series: {series.index}") # 输出系列的索引 print(f"Values of series: {series.values}") # 输出系列的数值 ``` #### 3. 常用方法 除了属性外，`Series` 还提供了一些非常实用的方法来帮助用户更好地操作和分析数据。 - **`describe()`**: 生成关于 `Series` 的统计摘要，包括计数、均值、标准差等。 - **`unique()`**: 返回 `Series` 中唯一的值组成的数组。 - **`value_counts()`**: 统计每个唯一值出现的次数并返回一个新的 `Series`。 - **`sort_values()`**: 按照值对 `Series` 排序。 - **`isnull()` / `notnull()`**: 判断哪些位置存在缺失值/非缺失值。 示例代码演示一些常用方法的应用： ```python s = pd.Series([1, 2, 2, 3, None]) # 描述性统计 print(s.describe()) # 查找唯一值 print(s.unique()) # 计算频率分布 print(s.value_counts(dropna=False)) # 缺失值检测 print(s.isnull()) ``` #### 4. 索引与切片 可以利用基于标签或位置的方式对 `Series` 进行索引和切片操作。支持通过 `.loc[]`, `.iloc[]` 或者直接使用方括号语法完成复杂的选择逻辑。 示例代码说明索引和切片的操作： ```python indexed_series = pd.Series(range(5), index=['A', 'B', 'C', 'D', 'E']) # 根据标签选取 print(indexed_series.loc['B']) # 根据整数位置选取 print(indexed_series.iloc[2]) # 花式索引 print(indexed_series[['A', 'C']]) ``` --- ###