今天就跟大家聊聊有关怎么在python中利用pandas创建一个Series数据类型，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
Python是一种编程语言，内置了许多有效的工具，Python几乎无所不能，该语言通俗易懂、容易入门、功能强大，在许多领域中都有广泛的应用，例如最热门的大数据分析，人工智能，Web开发等。
计算
安全
数据库
网络和加速
企业服务
print(pd.__version__)输出：
0.24.1
常见的数据类型:
- 一维: Series
- 二维: DataFrame
- 三维: Panel …
- 四维: Panel4D …
- N维: PanelND …
array = ["粉条", "粉丝", "粉带"]
# 如果不指定索引， 默认从0开始;
s1 = pd.Series(data=array)
print(s1)
# 如果不指定索引， 默认从0开始;
ss1 = pd.Series(data=array, index=['A', 'B', 'C'])
print(ss1)输出：
0 粉条
1 粉丝
2 粉带
dtype: object
A 粉条
B 粉丝
C 粉带
dtype: objectn = np.random.randn(5) # 随机创建一个ndarray对象;
s2 = pd.Series(data=n)
print(s2)
# 修改元素的数据类型;
ss2 = s2.astype(np.int)
print(ss2)输出：
0 -1.649755
1 0.607479
2 0.943136
3 -1.794060
4 1.569035
dtype: float64
0 -1
1 0
2 0
3 -1
4 1
dtype: int64dict = {string.ascii_lowercase[i]:i for i in range(10)}
s3 = pd.Series(dict)
print(s3)输出：
a 0
b 1
c 2
d 3
e 4
f 5
g 6
h 7
i 8
j 9
dtype: int64共同部分：
import pandas as pd
import numpy as np
import string
array = ["粉条", "粉丝", "粉带"]
s1 = pd.Series(data=array)
print(s1)输出：
0 粉条
1 粉丝
2 粉带
dtype: objectprint(s1.index) #输出：RangeIndex(start=0, stop=3, step=1)
s1.index = ['A', 'B', 'C']
print(s1)输出：
A 粉条
B 粉丝
C 粉带
dtype: objects1.index = ['A', 'B', 'C']
array = ["粉条", "粉丝", "粉带"]
# 如果不指定索引， 默认从0开始;
s2 = pd.Series(data=array)
s3 = s1.append(s2)
print(s3)输出：
A 粉条
B 粉丝
C 粉带
0 粉条
1 粉丝
2 粉带
dtype: objects3 = s3.drop('C') # 删除索引为‘C'对应的值;
print(s3)输出：
A 粉条
B 粉丝
0 粉条
1 粉丝
2 粉带
dtype: objectprint(s3['B']) #粉丝
s3['B'] = np.nan #索引B处的值替换为缺失值
print(s3)输出：
A 粉条
B NaN
0 粉条
1 粉丝
2 粉带
dtype: objectprint(s3[:2]) #显示前两个元素
print(s3[::-1]) #逆序
print(s3[-2:]) # 显示最后两个元素输出：
A 粉条
B NaN
dtype: object
-------------------------
2 粉带
1 粉丝
0 粉条
B NaN
A 粉条
dtype: object
-------------------------
1 粉丝
2 粉带
dtype: object先设置两个Series对象：
import pandas as pd
import numpy as np
import string
s1 = pd.Series(np.arange(5), index=list(string.ascii_lowercase[:5]))
s2 = pd.Series(np.arange(2, 8), index=list(string.ascii_lowercase[2:8]))
print(s1)
print(s2)
按照对应的索引进行计算， 如果索引不同，则填充为Nan;
print(s1 + s2)
print(s1.add(s2))输出：
a NaN
b NaN
c 4.0
d 6.0
e 8.0
f NaN
g NaN
h NaN
dtype: float64print(s1 - s2)
print(s1.sub(s2))输出：
a NaN
b NaN
c 0.0
d 0.0
e 0.0
f NaN
g NaN
h NaN
dtype: float64print(s1 * s2)
print(s1.mul(s2))输出：
a NaN
b NaN
c 4.0
d 9.0
e 16.0
f NaN
g NaN
h NaN
dtype: float64print(s1 / s2)
print(s1.div(s2))输出：
a NaN
b NaN
c 1.0
d 1.0
e 1.0
f NaN
g NaN
h NaN
dtype: float64print(s1.median())输出：
2.0
print(s1.sum())输出：
10
print(s1.max())输出：
4
print(s1.min())输出：
0
series中的where方法运行结果和numpy中完全不同
import pandas as pd
import numpy as np
import string
s1 = pd.Series(np.arange(5), index=list(string.ascii_lowercase[:5]))
print(s1)输出：
a 0
b 1
c 2
d 3
e 4
dtype: int64print(s1.where(s1 > 3))大于3的显示，不大于3的为NaN
# 对象中小于3的元素赋值为10；
print(s1.where(s1 > 3, 10))
# 对象中大于3的元素赋值为10；
print(s1.mask(s1 > 3, 10))
看完上述内容，你们对怎么在python中利用pandas创建一个Series数据类型有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注亿速云行业资讯频道，感谢大家的支持。
亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
