pandas 创建 Series pd.Series()

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

本文介绍的是 pandas 类中 Series 的初始化方法 __init__() 的功能。pd.Series() 函数可以帮助我们构造一个 Series 对象，然后我们再对 Series 进行后续操作。

Series 是一个带标签的一维数组，能够保存任何数据类型（整数、字符串、浮点数、Python 对象等）。轴标签统称为索引。

语法

pd.Series() 是 Series 类的构造方法：

class pandas.Series(
    data=None,
    index=None,
    dtype: Dtype | None = None,
    name=None,
    copy: bool = False,
    fastpath: bool = False,
)

它会初始化一个 Series 对象。

参数

参数如下：

data : array-like, Iterable, dict, scalar。Series 中存储的数据，如果是一个字典，则维持字典的顺序
index : array-like 或者 Index (1d) 对象。规则有：
- 值必须是可散列的，并且与 data 具有相同的长度
- 允许使用非唯一索引值
- 如果未提供，将默认为 RangeIndex (0, 1, 2, ..., n)，它是从 0 开始的自然索引
- 如果 data 是 dict-like：
  - index 是 None，那么 data 中的键被用作索引
  - index 不是 None，则使用索引值重新索引生成的 Series
dtype : str, numpy.dtype, 或者 ExtensionDtype, 可选。输出 Series 的数据类型。如果未指定，将从 data 的值中推断。有关更多用法，请参阅数据类型 dtypes。
name : str, 可选。Series 的名称
copy : bool, 默认 False。复制输入数据，仅影响 Series 或 1d ndarray 输入，参考下文的示例
fastpath : 可以避免一些开销，一般我们无需关注它

Series 特点

Series 是带有轴标签（包括时间序列）的一维 ndarray。特点有：

在 Series 中标签不必是唯一的，但必须是可散列的类型（意味着元组也是可以的）。
该对象支持基于整数和基于标签的索引，并提供了许多用于执行涉及索引的操作的方法。
ndarray 中的统计方法已被覆盖以自动排除丢失的数据（当前表示为 NaN）。
Series 之间的操作（+、-、/、*、**）根据它们关联的索引值对齐值，同时它们不必是相同的长度（参考 NumPy 的广播）。
结果索引将是两个索引的排序联合。

示例

更多示例可以参考 pandas 序列 Series。以下为一些简单示例。

从具有指定索引的字典构造 Series：

d = {'a': 1, 'b': 2, 'c': 3}
ser = pd.Series(data=d, index=['a', 'b', 'c'])
ser
'''
a   1
b   2
c   3
dtype: int64
'''

字典的键与索引值匹配，因此索引值无效。

>>> d = {'a': 1, 'b': 2, 'c': 3}
>>> ser = pd.Series(data=d, index=['x', 'y', 'z'])
>>> ser
x   NaN
y   NaN
z   NaN
dtype: float64

请注意，索引首先使用字典中的键构建。在此之后，Series 使用给定的 Index 值重新索引，因此我们得到所有 NaN 作为结果。

从带有 copy=False 的列表构造 Series。

r = [1, 2]
ser = pd.Series(r, copy=False)
ser.iloc[0] = 999
r
# [1, 2]
ser
'''
0    999
1      2
dtype: int64
'''

由于输入数据类型，即使 copy=False，Series 也有原始数据的 copy，所以数据没有改变。

从 copy=False 的 1d ndarray 构造系列。

r = np.array([1, 2])
ser = pd.Series(r, copy=False)
ser.iloc[0] = 999
r
# array([999,   2])
ser
'''
0    999
1      2
dtype: int64
'''

由于输入 Series 的数据类型，对原始数据有一个「视图」，因此数据也发生了变化。

不同的原数据

数据（data 参数）可以是许多不同的东西：

一个 Python 字典
一个ndarray
标量值（如 5）

传递的索引是轴标签的列表。因此，根据数据是什么，这分为几种情况：

ndarray

如果 data 是 ndarray，则 index 必须与 data 的长度相同。如果没有传递索引，则将创建一个具有值 [0, ..., len(data) - 1] 的索引。

s = pd.Series(np.random.randn(5), index=["a", "b", "c", "d", "e"])
s
'''
a    0.469112
b   -0.282863
c   -1.509059
d   -1.135632
e    1.212112
dtype: float64
'''

s.index
# Index(['a', 'b', 'c', 'd', 'e'], dtype='object')

pd.Series(np.random.randn(5))
'''
0   -0.173215
1    0.119209
2   -1.044236
3   -0.861849
4   -2.104569
dtype: float64
'''

pandas 支持非唯一索引值。如果尝试不支持重复索引值的操作，则此时将引发异常。懒惰的原因几乎都是基于性能的（计算中有很多实例，比如 GroupBy 的部分，没有使用索引）。

字典 dict

Series 可以从 dicts 实例化：

d = {"b": 1, "a": 0, "c": 2}
pd.Series(d)
'''
b    1
a    0
c    2
dtype: int64
'''

当数据是 dict，并且没有传递索引时，如果您使用 Python 版本 >= 3.6 和 pandas 版本 >= 0.23，则 Series 索引将按 dict 的插入顺序排序。

如果您使用 Python < 3.6 或 pandas < 0.23，并且未传递索引，则 Series 索引将是 dict 键的词法排序列表。

在上面的示例中，如果您使用的是低于 3.6 的 Python 版本或低于 0.23 的 pandas 版本，则 Series 将按 dict 键的词法顺序排序（即 ['a', 'b', 'c' ] 而不是 ['b', 'a', 'c'])。

如果传递了索引，则将索引中标签对应的数据中的值拉出。

d = {"a": 0.0, "b": 1.0, "c": 2.0}
pd.Series(d)
'''
Out[10]: 
a    0.0
b    1.0
c    2.0
dtype: float64
'''

pd.Series(d, index=["b", "c", "d", "a"])
'''
b    1.0
c    2.0
d    NaN
a    0.0
dtype: float64
'''

NaN（不是数字）是 pandas 中使用的标准缺失数据标记。

标量值 scalar value

如果数据是标量值，则必须提供索引。该值将重复以匹配索引的长度。

pd.Series(5.0, index=["a", "b", "c", "d", "e"])
'''
a    5.0
b    5.0
c    5.0
d    5.0
e    5.0
dtype: float64
'''

Series 的行为

ndarray-like

系列类似于 ndarray，是一个 ndarray-like。

Series 的行为与 ndarray 非常相似，并且是大多数 NumPy 函数的有效参数。但是，切片等操作也会对索引进行操作。

s[0]
# 0.4691122999071863

s[:3]
'''
a    0.469112
b   -0.282863
c   -1.509059
dtype: float64
'''

s[s > s.median()]
'''
a    0.469112
e    1.212112
dtype: float64
'''

s[[4, 3, 1]]
'''
e    1.212112
d   -1.135632
b   -0.282863
dtype: float64
'''

np.exp(s)
'''
a    1.598575
b    0.753623
c    0.221118
d    0.321219
e    3.360575
dtype: float64
'''

也支持基于数组的索引，如 s[[4, 3, 1]]。

与 NumPy 数组一样，pandas Series 也有 dtype。

s.dtype
# dtype('float64')

这通常是 NumPy dtype。但是，pandas 和 3rd-party 库在一些地方扩展了 NumPy 的类型系统，在这种情况下，dtype 将是 ExtensionDtype。 pandas 中的一些示例是分类数据和 Nullable 整数数据类型。

如果您需要支持 Series 的实际数组，请使用 Series.array。

s.array
'''
<PandasArray>
[ 0.4691122999071863, -0.2828633443286633, -1.5090585031735124,
 -1.1356323710171934,  1.2121120250208506]
Length: 5, dtype: float64
'''

当您需要在没有索引的情况下执行某些操作（例如，禁用自动对齐）时，访问数组会很有用。

Series.array 将始终是 ExtensionArray。简而言之，ExtensionArray 是一个或多个具体数组（如 numpy.ndarray）的简易包装器。 pandas 知道如何获取 ExtensionArray 并将其存储在 Series 或 DataFrame 的列中。

虽然 Series 类似于 ndarray，但如果您需要实际的 ndarray，请使用 Series.to_numpy()。

s.to_numpy()
# array([ 0.4691, -0.2829, -1.5091, -1.1356,  1.2121])

即使 Series 由 ExtensionArray 支持，Series.to_numpy() 也会返回 NumPy ndarray。

dict-like

Series 就像一个固定大小的 dict，您可以通过索引标签获取和设置值：

s["a"]
# 0.4691122999071863

s["e"] = 12.0
s
'''
a     0.469112
b    -0.282863
c    -1.509059
d    -1.135632
e    12.000000
dtype: float64
'''

"e" in s
# True

"f" in s
# False

如果不包含标签，则会引发异常：

s["f"]
# 'f'

使用 get 方法，缺少的标签将返回 None 或指定的默认值：

s.get("f")

s.get("f", np.nan)
# nan

属性访问非常方便。您可以直接访问 Series 上的索引作为属性：

sa = pd.Series([1, 2, 3], index=list('abc'))
sa.b
# 2

sa.a = 5
sa
'''
a    5
b    2
c    3
dtype: int64
'''

向量化的运算

向量化操作和标签对齐 Series。

使用原始 NumPy 数组时，通常不需要逐个值循环。在 pandas 中使用 Series 时也是如此。 Series 也可以传递给大多数需要 ndarray 的 NumPy 方法。

s + s
'''
a     0.938225
b    -0.565727
c    -3.018117
d    -2.271265
e    24.000000
dtype: float64
'''

s * 2
'''
a     0.938225
b    -0.565727
c    -3.018117
d    -2.271265
e    24.000000
dtype: float64
'''

np.exp(s)
'''
a         1.598575
b         0.753623
c         0.221118
d         0.321219
e    162754.791419
dtype: float64
'''

Series 和 ndarray 之间的一个关键区别是 Series 之间的操作会根据标签自动对齐数据。因此，您可以编写计算而不考虑所涉及的系列是否具有相同的标签。

s[1:] + s[:-1]
'''
a         NaN
b   -0.565727
c   -3.018117
d   -2.271265
e         NaN
dtype: float64
'''

未对齐 Series 之间的操作结果将包含所涉及的索引的并集。如果在一个系列或另一个 Series 中找不到标签，则结果将被标记为缺失 NaN。无需进行任何明确的数据对齐即可编写代码，这为交互式数据分析和研究提供了极大的自由度和灵活性。 pandas 数据结构的集成数据对齐功能使 pandas 有别于大多数用于处理标记数据的相关工具。

通常，我们选择使不同索引对象之间的操作的默认结果产生索引的并集，以避免信息丢失。尽管缺少数据，但具有索引标签通常是作为计算的一部分的重要信息。您当然可以选择通过 dropna 函数删除缺少数据的标签。

名称属性

系列也可以有一个 name 属性：

s = pd.Series(np.random.randn(5), name="something")

s
'''
0   -0.494929
1    1.071804
2    0.721555
3   -0.706771
4   -1.039575
Name: something, dtype: float64
'''

s.name
# 'something'

在许多情况下，Series name 将被自动指定，特别是在获取 DataFrame 的 1D 切片时。

您可以使用 pandas.Series.rename() 方法重命名系列。

s2 = s.rename("different")

s2.name
# 'different'

请注意，s 和 s2 指的是不同的对象。

参考

https://pandas.pydata.org/docs/reference/api/pandas.Series.html
https://pandas.pydata.org/docs/user_guide/dsintro.html#series