# 将列表作为数据源
Series(data=[1,2,3,4,5])

0    1
1    2
2    3
3    4
4    5
dtype: int64

# 将字典作为数据源
dic = {
    ‘A‘: 100,
    ‘B‘: 99,
    ‘C‘: 150,
}
Series(data=dic)

A    100
B     99
C    150
dtype: int64

# 将numpy数组作为数据源
Series(np.random.randint(0,100,size=(3,4)))  
# 上面这样会报错，Series只能存一维的数据

Series(np.random.randint(0,100,size=(3,)))  
0    97
1    75
2    78
dtype: int32

# 加上index参数就可以将索引设为显式索引

Series(data=np.random.randint(0,100,size=(3,)), index=[‘A‘,‘B‘,‘C‘])
A     3
B    22
C    63
dtype: int32

s = Series(data=np.linspace(0,30, num=5),index=[‘a‘,‘b‘,‘c‘,‘d‘,‘e‘])
a     0.0
b     7.5
c    15.0
d    22.5
e    30.0
dtype: float64

# 索引取值
s[1]  # 7.5   # 隐式索引

s[‘c‘]  # 15.0  #显式索引

s.d  # 22.5  #显式索引

# 切片
s[0:3]  # 隐式索引
a     0.0
b     7.5
c    15.0
dtype: float64

s[‘a‘:‘d‘]  #显式索引
a     0.0
b     7.5
c    15.0
d    22.5
dtype: float64

s.shape  # 形状
(5,)

s.size  # 元素个数
5

s.index  # 索引    有显式就是显式索引
Index([‘a‘, ‘b‘, ‘c‘, ‘d‘, ‘e‘], dtype=‘object‘)

s.values  # 值
array([ 0. ,  7.5, 15. , 22.5, 30. ])

# 索引一致的元素进行算数运算否则补空

s1 = Series(data=[1,2,3,4,5],index=[‘a‘,‘b‘,‘c‘,‘d‘,‘e‘])
s2 = Series(data=[1,2,3,4,5],index=[‘a‘,‘b‘,‘f‘,‘d‘,‘e‘])
s = s1+s2

a     2.0
b     4.0
c     NaN
d     8.0
e    10.0
f     NaN
dtype: float64

s = Series(data=np.linspace(0,30, num=5),index=[‘a‘,‘b‘,‘c‘,‘d‘,‘e‘])
a     0.0
b     7.5
c    15.0
d    22.5
e    30.0
dtype: float64

s.head(3)   # 只显示前三个  #不写默认值是5
a     0.0
b     7.5
c    15.0
dtype: float64

s.tail(2)  # 只显示后俩个
d    22.5
e    30.0
dtype: float64

s=Series(data=[1,2,2,4,4,4,4,5,6,3,3,4,5,3,6,1,3])
s.unique()  # 去掉重复元素
array([1, 2, 4, 5, 6, 3], dtype=int64)

s.nunique()  # 统计去重后的元素个数
6



s1 = Series(data=[1,2,3,4,5],index=[‘a‘,‘b‘,‘c‘,‘d‘,‘e‘])
s2 = Series(data=[1,2,3,4,5],index=[‘a‘,‘b‘,‘f‘,‘d‘,‘e‘])
s = s1+s2
s
a     2.0
b     4.0
c     NaN
d     8.0
e    10.0
f     NaN
dtype: float64

s.isnull()  # 检测Series哪些元素为空，为空则返回True，否则返回Fasle
a    False
b    False
c     True
d    False
e    False
f     True
dtype: bool

s.notnull()  # 检测Series哪些元素非空，非空则返回True，否则返回Fasle
a     True
b     True
c    False
d     True
e     True
f    False
dtype: bool

# 想要将s中的非空的数据取出
s[[True,True,False,True,True,False]]   #布尔值可以作为索引去取值
a     2.0
b     4.0
d     8.0
e    10.0
dtype: float64

# 直接将s.notnull()得到的布尔值作为索引取值，可以对Series中空值进行清洗
s[s.notnull()]  
a     2.0
b     4.0
d     8.0
e    10.0
dtype: float64