#yyds干货盘点#python使用技巧之pandas_Series

使用Python进行数据分析必不可少的一个包就是pandas，它建立在NumPy库之上，为了能灵活地操作数据而提供了很多专门的方法，十分方便。pandas可以从各种文件格式比如CSV、JSON、SQL、Microsoft Excel导入数据。Pandas可以对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工特征。

pandas 大致分为三种数据结构：一维的Series、二维的DataFrame，以及三维的Panel。

Series保存的是一维的数据，而因为pandas本身是建立在NumPy之上，所以NumPy中的一维数组都可以转化为Series。

pandas.Series( data, index, dtype, name, copy)

参数说明如下：

data：一组数据(ndarray 类型)。

index：数据索引标签，如果不指定，默认从0开始。

dtype：数据类型，默认会自己判断。

name：设置名称。

copy：拷贝数据，默认为 False。

import pandas as pd

a = [1, 2, 3]
b = pd.Series(a)
print(b)

输出

0    1
1    2
2    3
dtype: int64

上面第一列就是索引，第二列是具体的数据。如果没有指定索引，索引值就从0开始，我们可以根据索引值读取数据：可以根据索引读取数据例如：b[1],得到数字2。可以指定索引。

b = pd.Series(a,index = ["2", "3", "4"])

输出

2    1
3    2
4    3

如果使用b[2]得到的结果是3，也就是获取值的索引还是从0开始，只是显示出来的是自定义的。

这是因为上面定义的索引是字符串，所以应该使用b['2']来获取值1。