数据结构-Series

Series：Pandas 的一维数据结构

小象实战讲义 · Python数据分析实战

在掌握了NumPy的多维数组操作后，我们将正式进入数据分析的核心工具——Pandas的学习。Pandas是专为处理结构化数据而设计的强大工具集，它构建在NumPy之上，提供了更高级的数据抽象和便捷的操作方法。本节将首先学习Pandas中最基础、最重要的数据结构之一：Series。理解Series是后续学习DataFrame和进行复杂数据分析的基石。

💡 核心导读

• 认识Pandas：了解Pandas的起源（金融数据分析工具）及其基于NumPy的高性能特性。
• Series的本质：将Series理解为一维带标签的数组，掌握其核心三要素：数据（values）、索引（index）和名称（name）。
• Series的创建：学会通过列表、NumPy数组、字典等多种方式创建Series对象。
• 数据的访问与预览：使用.head()、.tail()预览数据，并通过标签（.loc）或位置（.iloc）精确访问数据。
• 缺失值处理：了解Pandas如何根据数据类型自动处理缺失数据（如None、NaN）。

什么是Pandas？

Pandas是一个强大的Python数据分析库，专门用于处理和分析结构化数据（例如表格数据）。它最初于2008年被创建，主要目的是作为金融数据分析的工具。正因为金融数据通常具有时间序列、高维度和大量缺失值等特点，处理起来非常复杂，所以Pandas在设计之初就具备了强大的数据处理能力。如今，它已广泛应用于各个领域的数据分析任务。

Pandas的核心基础是NumPy。这意味着NumPy支持的所有高性能矩阵运算，在Pandas中同样可用。但Pandas在NumPy数组的基础上，增加了数据标签（索引）、列名以及大量方便数据清洗、转换和分析的方法，使得处理表格数据变得异常高效和直观。

Series：带标签的一维数组

Series是Pandas中最基本的数据结构。你可以将它看作一个一维的、带有标签的数组。这里的“标签”就是索引（index），它使得我们能够通过有意义的标签（而不仅仅是数字位置）来访问数据。

一个Series对象主要由三部分组成：

1. 数据（values）：实际存储的数据。数值型数据的底层是 NumPy 的 ndarray；字符串等类型在新版 pandas 中使用专门的扩展数组（如本节练习中将见到的 StringArray）。
2. 索引（index）：与数据一一对应的标签。如果没有显式指定，Pandas会自动生成从0开始的整数索引。
3. 名称（name）：整个Series可以有一个名字，索引也可以有自己的名字，这有助于更好地描述数据。

创建Series

Series可以通过多种方式创建，每种方式都体现了其灵活性。

import pandas as pd
import numpy as np

# 1. 通过列表创建
# 未指定索引时，自动生成0,1,2,...的整数索引
series_from_list = pd.Series([10, 11, 12, 13, 14, 15, 16, 17, 18, 19])
print("通过列表创建的Series:")
print(series_from_list)
print()

通过列表创建的Series:
0    10
1    11
2    12
3    13
4    14
5    15
6    16
7    17
8    18
9    19
dtype: int64

import pandas as pd
import numpy as np

# 2. 通过NumPy数组创建
arr = np.array([0.1, 0.2, 0.3, 0.4])
series_from_ndarray = pd.Series(arr)
print("通过NumPy数组创建的Series:")
print(series_from_ndarray)
print()

# 3. 通过字典创建
# 字典的键（key）会自动成为Series的索引，值（value）成为数据
dict_data = {'北京': 2154, '上海': 2428, '广州': 1490, '深圳': 1303}
series_from_dict = pd.Series(dict_data)
print("通过字典创建的Series:")
print(series_from_dict)
print()

# 4. 创建时显式指定索引
# 数据与索引列表必须长度一致
data = [88, 92, 79, 85]
custom_index = ['语文', '数学', '英语', '物理']
series_with_index = pd.Series(data, index=custom_index)
print("创建时指定索引的Series:")
print(series_with_index)

通过NumPy数组创建的Series:
0    0.1
1    0.2
2    0.3
3    0.4
dtype: float64

通过字典创建的Series:
北京    2154
上海    2428
广州    1490
深圳    1303
dtype: int64

创建时指定索引的Series:
语文    88
数学    92
英语    79
物理    85
dtype: int64

思考：如果尝试将一个5行2列的NumPy二维数组传入pd.Series()，会发生什么？是报错还是能正常创建？动手试试看，能加深对Series一维特性的理解。

预览数据与查看属性

当处理大量数据时，我们通常不需要查看全部内容，只需预览头部或尾部的几行即可。Pandas提供了.head()和.tail()方法。

import pandas as pd
import numpy as np

# 创建一个包含100个随机数的Series（固定随机种子，保证每次演示输出一致）
np.random.seed(42)
ser_obj = pd.Series(np.random.rand(100), name='随机数序列')
ser_obj.index.name = '序号' # 给索引也起个名字

print("预览前5条数据 (head()):")
print(ser_obj.head())
print("\n预览后10条数据 (tail(10)):")
print(ser_obj.tail(10))
print("\nSeries的名称:", ser_obj.name)
print("索引的名称:", ser_obj.index.name)
print("\n索引对象:", ser_obj.index)
print("数据值 (NumPy数组):", type(ser_obj.values).__name__, "形状:", ser_obj.values.shape)

预览前5条数据 (head()):
序号
0    0.374540
1    0.950714
2    0.731994
3    0.598658
4    0.156019
Name: 随机数序列, dtype: float64

预览后10条数据 (tail(10)):
序号
90    0.119594
91    0.713245
92    0.760785
93    0.561277
94    0.770967
95    0.493796
96    0.522733
97    0.427541
98    0.025419
99    0.107891
Name: 随机数序列, dtype: float64

Series的名称: 随机数序列
索引的名称: 序号

索引对象: RangeIndex(start=0, stop=100, step=1, name='序号')
数据值 (NumPy数组): ndarray 形状: (100,)

从输出可以看到，ser_obj.values返回的是一个NumPy的ndarray，这印证了Pandas基于NumPy的事实。同时，为Series和索引设置名称，能让数据在展示和传递时含义更清晰。

通过索引访问数据

Series的强大之处在于可以通过索引标签方便地访问数据。访问方式主要有两种，推荐使用明确的方法以增加代码可读性。

import pandas as pd

# 创建一个示例Series
s_example = pd.Series([10, 20, 30, 40], index=['a', 'b', 'c', 'd'])
print("原始Series:")
print(s_example)

# 通过标签访问 (使用.loc推荐)
print("\n通过标签访问 s_example.loc['b']:", s_example.loc['b'])
print("通过标签访问 s_example['b']:", s_example['b']) # 等价写法

# 通过位置访问 (使用.iloc推荐)
print("\n通过位置访问 s_example.iloc[1]:", s_example.iloc[1])

# 旧写法 s[1]：pandas 3.0 起 [] 只按标签查找，不再回退到位置索引
try:
    print("通过位置访问 s_example[1]:", s_example[1])
except KeyError as e:
    print("s_example[1] 抛出 KeyError:", e, "（pandas 3.0 起 [] 只按标签查找，不再回退到位置）")

# 判断索引是否存在
print("\n判断索引'a'是否存在:", 'a' in s_example)
print("判断索引'f'是否存在:", 'f' in s_example)

原始Series:
a    10
b    20
c    30
d    40
dtype: int64

通过标签访问 s_example.loc['b']: 20
通过标签访问 s_example['b']: 20

通过位置访问 s_example.iloc[1]: 20
s_example[1] 抛出 KeyError: 1 （pandas 3.0 起 [] 只按标签查找，不再回退到位置）

判断索引'a'是否存在: True
判断索引'f'是否存在: False

关键点：

• .loc[]：基于索引标签进行选择。s.loc['b']。
• .iloc[]：基于整数位置进行选择。s.iloc[1]。
• 直接使用方括号 s['b'] 按标签访问仍然可用；但在 pandas 3.0 中，s[1] 这类整数写法已不再回退到位置索引（旧版本对非整数索引会“回退”到位置，行为易混淆；新版本统一为「[] 只按标签查找」）。因此，强烈建议始终使用.loc和.iloc来使意图清晰。
• Series可以看作一个“定长有序字典”，因此可以使用in关键字检查某个标签是否在索引中。

自动处理缺失数据

在实际数据中，缺失值非常常见。Pandas的一个便利特性是能够根据数据类型自动处理缺失值。

import pandas as pd
import numpy as np

# 字符串列表中包含None
countries = ['中国', '美国', '澳大利亚', None]
series_str = pd.Series(countries)
print("字符串类型Series处理None:")
print(series_str)
print("数据类型:", series_str.dtype)
print()

# 数值列表中包含None
numbers = [4, 5, 6, None]
series_num = pd.Series(numbers)
print("数值类型Series处理None:")
print(series_num)
print("数据类型:", series_num.dtype)

字符串类型Series处理None:
0      中国
1      美国
2    澳大利亚
3     NaN
dtype: str
数据类型: str

数值类型Series处理None:
0    4.0
1    5.0
2    6.0
3    NaN
dtype: float64
数据类型: float64

可以看到：

• 对于字符串类型，pandas 3.0 默认使用专门的 str dtype，None 会统一显示为 NaN（缺失值标记）。
• 对于数值类型，None 同样自动被转换为NaN（Not a Number，一个特殊的浮点数值），并且整个Series的数据类型会提升为float64，以容纳这个特殊的浮点数。

这种自动处理机制省去了我们手动检查和转换缺失值的麻烦，Pandas在后续也提供了丰富的方法（如dropna(), fillna()）来专门处理这些缺失值。

📝 动手练一练

1. 概念辨析：Series的.loc和.iloc有什么根本区别？在什么情况下使用方括号[]直接索引会产生歧义？请举例说明。

import pandas as pd

s = pd.Series([100, 200, 300], index=[2, 4, 6])
# s[2] 这里是想获取标签为2的值（100），还是想获取位置为2（即第3个）的值（300）？

2. 动手实践：创建一个Series，其数据为[‘苹果’， ‘香蕉’， ‘橘子’， None]，索引为[‘a’, ‘b’, ‘c’, ‘d’]。然后，尝试将其数据转换为NumPy数组（.values），观察输出结果。你发现了什么？这说明了Pandas和NumPy在处理缺失值上有什么不同？

import pandas as pd
import numpy as np

s_fruit = pd.Series(['苹果', '香蕉', '橘子', None], index=['a', 'b', 'c', 'd'])
print("Pandas Series:")
print(s_fruit)
print("\n转换为NumPy数组 (.values):")
print(s_fruit.values)
print("数组类型:", s_fruit.values.dtype)

Pandas Series:
a     苹果
b     香蕉
c     橘子
d    NaN
dtype: str

转换为NumPy数组 (.values):
<StringArray>
['苹果', '香蕉', '橘子', nan]
Length: 4, dtype: str
数组类型: str

本章小结

本节我们开启了Pandas之旅，深入学习了其核心数据结构——Series。Series作为一维带标签的数组，是构建更复杂数据操作的基础。我们不仅掌握了创建Series的多种方法，还学会了如何查看其属性、预览数据以及通过标签或位置精准访问数据。更重要的是，我们看到了Pandas如何智能地处理缺失值，这为后续的真实数据分析扫清了一大障碍。

📋 行动清单

• 在Python环境中，尝试用列表、字典和NumPy数组分别创建几个不同的Series，并使用.head()、.index、.values查看其内容。
• 创建一个索引为字符串的Series，分别使用.loc[‘标签’]和.iloc[位置]来访问其中的元素，体会两者的区别。
• 故意创建一个包含None的数值列表，并用其生成Series，观察Pandas是如何将其转换为NaN并改变数据类型的。

—— 小象教研组