pandas Series 基本概念

pandas Series 是一种一维标记数组，能够存储任意数据类型（整数、字符串、浮点数、Python对象等）。每个元素对应一个标签（索引），类似于字典结构，但提供更丰富的操作功能。

创建 Series

通过列表或字典直接创建：

import pandas as pd

# 通过列表创建（默认整数索引）
s1 = pd.Series([1, 3, 5, 7])
print(s1)

# 通过字典创建（键自动转为索引）
s2 = pd.Series({'a': 10, 'b': 20, 'c': 30})
print(s2)

常用属性

• values：返回 Series 的数据部分（NumPy 数组）。
• index：返回索引对象（可修改）。
• dtype：返回数据类型。
• size：返回元素数量。

s = pd.Series([10, 20, 30], index=['x', 'y', 'z'])
print(s.values)  # 输出 [10 20 30]
print(s.index)   # 输出 Index(['x', 'y', 'z'], dtype='object')

数据操作

索引与切片
支持标签索引和位置索引：

s = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
print(s['b'])    # 标签索引，输出 2
print(s[1:3])    # 位置切片，返回 b 和 c 对应的值

运算
Series 支持矢量化运算（逐元素操作）：

s1 = pd.Series([1, 2, 3])
s2 = pd.Series([4, 5, 6])
print(s1 + s2)   # 输出 5, 7, 9

缺失值处理

使用 NaN 表示缺失值，可通过 isna() 或 dropna() 检测/删除：

s = pd.Series([1, None, 3])
print(s.isna())       # 检查缺失值
print(s.dropna())     # 删除缺失值
print(s.fillna(0))    # 填充缺失值为 0

应用函数

通过 apply() 对每个元素执行自定义函数：

s = pd.Series([1, 2, 3])
print(s.apply(lambda x: x * 2))  # 输出 2, 4, 6

统计方法

内置常用统计函数：

• mean()：平均值
• sum()：求和
• max()/min()：最大值/最小值
• std()：标准差

s = pd.Series([1, 2, 3, 4])
print(s.mean())  # 输出 2.5

示例场景

数据过滤
通过布尔索引筛选数据：

s = pd.Series([10, 20, 30, 40])
print(s[s > 25])  # 输出 30 和 40