异常教程

Pandas 数据结构 – Series（千字长文）

更新时间:

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战(已更新的所有项目都能学习) / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

  • 新开坑项目:《Spring AI 项目实战》 正在持续爆肝中，基于 Spring AI + Spring Boot 3.x + JDK 21...， 点击查看 ;
  • 《从零手撸：仿小红书（微服务架构）》 已完结，基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17...，点击查看项目介绍 ;演示链接： http://116.62.199.48:7070 ;
  • 《从零手撸：前后端分离博客项目（全栈开发）》 2 期已完结，演示链接： http://116.62.199.48/ ;

截止目前， 星球 内专栏累计输出 90w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 3100+ 小伙伴加入学习 ，欢迎点击围观

在数据分析与处理领域，Pandas 数据结构 – Series 是 Python 中最基础且强大的工具之一。无论是处理结构化数据、执行统计计算，还是进行数据清洗，Series 都如同一把多功能的瑞士军刀，为开发者提供了灵活而高效的操作接口。对于编程初学者而言，理解 Series 的核心特性与操作逻辑，能够快速构建数据处理的基础能力；而对中级开发者来说，深入掌握其底层机制，有助于优化复杂场景下的代码效率。本文将从 Series 的基本概念出发，结合实例与代码，系统性地解析其应用场景与技术要点。

一、Series 的基本概念与创建

1.1 Series 是什么？

可以将 Series 理解为一个带标签的、一维的有序数组。它与 NumPy 的一维数组（ndarray）类似，但区别在于 Series 的每个元素都关联了一个索引标签（Index），这使得数据检索和操作更加直观。

  • 形象比喻：Series 类似于 Excel 表格中的一列数据，其中每一行都有一个唯一的“行号”（即索引），而这一列可以存储数字、字符串甚至复杂对象。

1.2 如何创建 Series？

示例 1：从列表或 NumPy 数组创建

import pandas as pd
import numpy as np

s1 = pd.Series([10, 20, 30, 40])
print(s1)

s2 = pd.Series([10, 20, 30, 40], index=['Q1', 'Q2', 'Q3', 'Q4'])
print(s2)

示例 2：从字典创建

data_dict = {'apple': 3.5, 'banana': 2.8, 'orange': 4.1}
s3 = pd.Series(data_dict)
print(s3)

二、Series 的核心属性与操作

2.1 索引（Index）与数据（Values）

Series 的两个核心属性是 .index 和 .values，分别对应索引标签和底层数据。

print("索引：", s2.index)
print("数据：", s2.values)

2.2 索引操作：标签 vs. 位置

  • 通过标签访问：使用 s.loc，例如 s2.loc['Q2'] 返回对应值。
  • 通过位置访问：使用 s.iloc，例如 s2.iloc[1] 返回第二个元素的值。
print(s2.loc['Q3'])  # 输出 30
print(s2.iloc[2])    # 输出 30

2.3 数据类型与缺失值

Series 的数据类型由 .dtype 属性定义，支持自动类型推断。若数据包含缺失值（NaN），可使用 .isnull() 或 .notnull() 进行筛选。

s4 = pd.Series([1, 2, None, 4], dtype='float64')
print(s4.dtype)       # 输出 float64
print(s4.isnull())    # 判断每个元素是否为 NaN

三、Series 的运算与对齐机制

3.1 算术运算与广播

Series 支持标准的算术运算（如加、减、乘、除），运算会自动对齐索引标签，而非位置。

s5 = pd.Series([10, 20, 30], index=['A', 'B', 'C'])
s6 = pd.Series([1, 2, 3], index=['B', 'C', 'D'])

result = s5 + s6
print(result)

3.2 对齐机制的重要性

形象比喻：Series 的对齐机制类似于拼图游戏，只有相同标签的“拼图块”才能完美契合，否则会留下空缺（NaN）。这一特性在合并多个数据源时尤为重要，确保了数据关联的准确性。

四、Series 的高级功能与实际应用

4.1 数据排序与筛选

通过 .sort_values() 和 .sort_index() 可以对 Series 进行排序，而布尔索引则支持复杂条件筛选。

sorted_s = s2.sort_values(ascending=True)

filtered_s = s2[s2 > 25]

4.2 应用案例：销售数据统计

假设我们有一组季度销售额数据，可通过 Series 计算平均值、最高值，并生成增长趋势报告。

sales = pd.Series([12000, 15000, 18000, 21000], 
                  index=['2023-Q1', '2023-Q2', '2023-Q3', '2023-Q4'])

growth = sales.pct_change() * 100
print("增长率：\n", growth)

annual_sales = sales.sum()
print("年度总销售额：", annual_sales)

五、Series 的局限性与优化建议

5.1 Series 的局限性

  • 维度限制：Series 是一维结构，无法直接处理二维或多维数据（需使用 DataFrame）。
  • 性能瓶颈：对于超大规模数据（如百万级行），直接操作 Series 可能导致内存或计算效率问题，此时需结合 NumPy 或优化算法。

5.2 优化技巧

  • 避免频繁修改索引：索引的重建会消耗额外资源，建议一次性设置好标签。
  • 利用矢量化操作：尽量用内置函数（如 .apply()）替代循环，例如： 
    # 矢量化计算折扣价
discounted = sales * 0.9

六、Series 与其他数据结构的交互

6.1 Series 与 DataFrame

DataFrame 是由多个 Series 组成的二维表结构。可以通过以下方式转换：

df = s2.to_frame(name='Sales')
print(df)

column_s = df['Sales']

6.2 Series 与 NumPy 的互操作

numpy_array = s2.values

new_series = pd.Series(numpy_array, index=s2.index)

七、进阶技巧与常见问题解答

7.1 如何处理重复索引？

Pandas 允许存在重复索引，但部分操作（如 loc）可能返回多个值，需谨慎使用。

s7 = pd.Series([10, 20, 30], index=['A', 'A', 'B'])
print(s7.loc['A'])  # 输出两个值组成的 Series

7.2 如何快速统计唯一值？

使用 .unique() 和 .value_counts()：

unique_values = s7.unique()
counts = s7.value_counts()
print(counts)

八、结论

Pandas 数据结构 – Series 是数据分析的基石，其灵活性与功能性使其在数据预处理、统计计算等领域不可或缺。通过掌握 Series 的创建、索引操作、算术运算及高级功能，开发者能够高效地处理单列数据，并为后续的复杂分析（如多维数据处理或机器学习）奠定基础。无论是初学者通过简单示例入门，还是中级开发者通过优化技巧提升效率，Series 的强大生态始终是通往数据科学之路上的一块关键拼图。

如需进一步探索，可深入学习 DataFrame、数据对齐策略或 Pandas 的性能优化技术，逐步构建完整的数据分析能力体系。

最新发布

查看更多文章