Pandas 数据结构 - Series
前言
Pandas Series 类似表格中的一个列（column），类似于一维数组，可以保存任何数据类型。
Series 由索引（index）和列组成，函数如下：
pandas.Series( data, index, dtype, name, copy)
参数说明：
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。
创建一个简单的 Series 实例：
import pandas as pd
a = [1, 2, 3]
myvar = pd.Series(a)
print(myvar)
# 输出结果如下：
# 0 1
# 1 2
# 2 3
# dtype: int64从上面可知，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：
import pandas as pd
a = [1, 2, 3]
myvar = pd.Series(a)
print(myvar[1])
# # 输出结果如下：
# # 2我们可以指定索引值，如下实例：
import pandas as pd
a = ["Google", "Runoob", "Wiki"]
myvar = pd.Series(a, index = ["x", "y", "z"])
print(myvar)
# # 输出结果如下：
# x Google
# y Runoob
# z Wiki
# dtype: object根据索引值读取数据:
import pandas as pd
a = ["Google", "Runoob", "Wiki"]
myvar = pd.Series(a, index = ["x", "y", "z"])
print(myvar["y"])
# # 输出结果如下：
# Runoob我们也可以使用 key/value 对象，类似字典来创建 Series：
import pandas as pd
sites = {1: "Google", 2: "Runoob", 3: "Wiki"}
myvar = pd.Series(sites)
print(myvar)
# # 输出结果如下：
# 1 Google
# 2 Runoob
# 3 Wiki
# dtype: object从上图可知，字典的 key 变成了索引值。
如果我们只需要字典中的一部分数据，只需要指定需要数据的索引即可，如下实例：
import pandas as pd
sites = {1: "Google", 2: "Runoob", 3: "Wiki"}
myvar = pd.Series(sites, index = [1, 2])
print(myvar)
# # 输出结果如下：
# 1 Google
# 2 Runoob
# dtype: object设置 Series 名称参数：
import pandas as pd
sites = {1: "Google", 2: "Runoob", 3: "Wiki"}
myvar = pd.Series(sites, index = [1, 2], name="RUNOOB-Series-TEST" )
print(myvar)
# # 输出结果如下：
# 1 Google
# 2 Runoob
# Name: RUNOOB-Series-TEST, dtype: object参考：https://www.runoob.com/pandas/pandas-series.html