Pandas中Series序列的实现原理

Pandas库中的Series数据结构专为处理一维带标签数据而设计，相比NumPy数组具有更丰富的功能和灵活性。

一、Series 的核心定义

Series 是 Pandas 专为一维数据设计的结构，对比 NumPy 一维数组，核心差异是：

表格

直观理解：把 Series 想象成 "带列名的一列数据"，由两部分组成：

1. values：数据本身（底层是 NumPy 数组）；
2. index：自定义标签（索引），和数据一一对应。

二、创建 Series（核心语法）

创建 Series 的核心函数是 pd.Series()，最常用的 4 种方式如下：

1. 从列表 / 数组创建（基础）

import pandas as pd
import numpy as np
# 方式1：从列表创建（默认整数索引 0,1,2...）
scores = [85, 92, 78, 90, 88]
s1 = pd.Series(scores)
print("从列表创建的Series：")
print(s1)
# 方式2：指定自定义索引
names = ["小明", "小红", "小刚", "小丽", "小强"]
s2 = pd.Series(scores, index=names)
print("n指定索引的Series：")
print(s2)
# 方式3：从NumPy数组创建
arr = np.array([15.2, 16.1, 14.8, 15.5])
s3 = pd.Series(arr, index=["1月", "2月", "3月", "4月"], name="月均温度")
print("n带名称的Series：")
print(s3)

输出：

从列表创建的Series：

0 85

1 92

2 78

3 90

4 88

dtype: int64

指定索引的Series：

小明 85

小红 92

小刚 78

小丽 90

小强 88

dtype: int64

带名称的Series：

1月 15.2

2月 16.1

3月 14.8

4月 15.5

Name: 月均温度, dtype: float64

2. 从字典创建（索引 = 字典 key，值 = 字典 value）

import pandas as pd
# 字典：键=姓名，值=分数
score_dict = {"小明":85, "小红":92, "小刚":78, "小丽":90}
s4 = pd.Series(score_dict)
print("从字典创建的Series：")
print(s4)

输出：

从字典创建的Series：

小明 85

小红 92

小刚 78

小丽 90

dtype: int64

3. 创建含缺失值的 Series

import pandas as pd
import numpy as np
# 含NaN的Series（缺失值）
s5 = pd.Series([85, np.nan, 92, 78, np.nan], index=["小明", "小红", "小刚", "小丽", "小强"])
print("含缺失值的Series：")
print(s5)

输出：

含缺失值的Series：

小明 85.0

小红 NaN

小刚 92.0

小丽 78.0

小强 NaN

dtype: float64

三、Series 的核心操作（索引 / 切片）

Series 支持两种索引方式：标签索引（自定义 index）和位置索引（整数位置），这是和 NumPy 数组的核心区别。

1. 标签索引（最常用）

通过自定义索引取值 / 赋值：

import pandas as pd
s = pd.Series([85, 92, 78, 90], index=["小明", "小红", "小刚", "小丽"])
# 取值：通过标签
print("小红的分数：", s["小红"])  # 92
# 赋值：通过标签
s["小刚"] = 80
print("n修改小刚分数后：")
print(s)
# 多标签取值（返回新Series）
print("n小明和小丽的分数：")
print(s[["小明", "小丽"]])

输出：

小红的分数： 92

修改小刚分数后：

小明 85

小红 92

小刚 80

小丽 90

dtype: int64

小明和小丽的分数：

小明 85

小丽 90

dtype: int64

2. 位置索引（和 NumPy 一致）

通过整数位置（0 开始）取值，可用 iloc 明确指定位置索引（推荐，避免歧义）：

import pandas as pd
s = pd.Series([85, 92, 78, 90], index=["小明", "小红", "小刚", "小丽"])
# 直接用整数（简易写法）
print("第2个元素（位置1）：", s[1])  # 92
# 用iloc（明确位置索引，推荐）
print("第4个元素（位置3）：", s.iloc[3])  # 90
# 位置切片
print("n位置0-2的元素：")
print(s.iloc[0:3])

输出：

第2个元素（位置1）： 92

第4个元素（位置3）： 90

位置0-2的元素：

小明 85

小红 92

小刚 78

dtype: int64

3. 布尔索引（筛选数据）

和 NumPy 类似，通过布尔条件筛选元素：

import pandas as pd
s = pd.Series([85, 92, 78, 90, 88], index=["小明", "小红", "小刚", "小丽", "小强"])
# 筛选分数≥90的元素
high_score = s[s >= 90]
print("90分以上的学生：")
print(high_score)
# 筛选分数在80-90之间的元素
mid_score = s[(s >= 80) & (s < 90)]
print("n80-90分的学生：")
print(mid_score)

输出：

90分以上的学生：

小红 92

小丽 90

dtype: int64

80-90分的学生：

小明 85

小强 88

dtype: int64

四、Series 的核心属性与方法

1. 核心属性（快速查看数据特征）

表格

运行

import pandas as pd
import numpy as np
s = pd.Series([85, np.nan, 92, 78], index=["小明", "小红", "小刚", "小丽"], name="分数")
print("底层数组：", s.values)
print("索引：", s.index)
print("数据类型：", s.dtype)
print("形状：", s.shape)
print("名称：", s.name)
print("缺失值判断：")
print(s.isnull())

输出：

底层数组： [85. nan 92. 78.]

索引： Index(['小明', '小红', '小刚', '小丽'], dtype='object')

数据类型： float64

形状： (4,)

名称： 分数

缺失值判断：

小明 False

小红 True

小刚 False

小丽 False

dtype: bool

2. 常用方法（统计 / 缺失值 / 排序）

（1）统计方法（和 NumPy 类似，但更友好）

import pandas as pd
import numpy as np
s = pd.Series([85, np.nan, 92, 78, 90], index=["小明", "小红", "小刚", "小丽", "小强"])
# 基础统计
print("均值（自动忽略NaN）：", s.mean())  # 86.25
print("中位数：", s.median())            # 87.5
print("最大值/最小值：", s.max(), "/", s.min())  # 92 / 78
print("标准差：", s.std())              # 6.18...
# 描述性统计（一键生成）
print("n描述性统计：")
print(s.describe())

输出：

均值（自动忽略NaN）： 86.25

中位数： 87.5

最大值/最小值： 92.0 / 78.0

标准差： 6.18465843842649

描述性统计：

count 4.000000

mean 86.250000

std 6.184658

min 78.000000

25% 83.250000

50% 87.500000

75% 90.500000

max 92.000000

dtype: float64

（2）缺失值处理

import pandas as pd
import numpy as np
# 模拟学生分数（含缺失值）
scores = pd.Series([85, np.nan, 92, 78, np.nan, 88, 95], 
                   index=["小明", "小红", "小刚", "小丽", "小强", "小芳", "小伟"])
# 步骤1：统计缺失值数量
nan_count = scores.isnull().sum()
print("缺失值数量：", nan_count)
# 步骤2：用中位数填充缺失值
scores_filled = scores.fillna(scores.median())
print("n填充后的分数：")
print(scores_filled)
# 步骤3：筛选优秀学生（≥90）
excellent = scores_filled[scores_filled >= 90]
print("n优秀学生：")
print(excellent)

七、避坑点与最佳实践

1. 核心避坑点

1. 混淆标签索引和位置索引：当索引是整数时（如 index=[1,2,3]），s[1] 会优先按标签取值，而非位置，建议用 iloc 明确位置索引；
2. 忽略缺失值：Series 的统计方法（如 mean()）会自动忽略 NaN，但如果需要包含 NaN 需手动处理；
3. 直接修改 Series 索引：index 是不可变对象，需用 s.reset_index() 或 s.set_index() 修改；
4. 布尔条件组合错误：多条件组合需用 &/|（而非 and/or），且每个条件需用括号包裹。

2. 最佳实践

1. 索引命名：创建 Series 时给 index 和 name 命名，增强可读性；
2. 明确索引方式：位置索引用 iloc，标签索引用 loc（s.loc["小红"]），避免歧义；
3. 缺失值处理：先统计缺失值数量（isnull().sum()），再选择填充 / 删除策略；
4. 大数据处理：Series 底层是 NumPy 数组，优先用向量化方法（如 map/apply），避免循环。

总结

1. Series 是 Pandas 一维带标签的数据结构，由 values（数据）和 index（标签）组成，支持混合数据类型和缺失值；
2. 核心操作：
   1. 索引：标签索引（s["小红"]/s.loc["小红"]）、位置索引（s.iloc[1]）；
   2. 筛选：布尔索引（s[s>=90]）；
   3. 统计：mean()/median()/std()（自动忽略 NaN）；
   4. 缺失值：dropna()/fillna()；
3. 核心优势：对比 NumPy 数组，Series 支持自定义标签、缺失值原生处理、丰富的统计 / 清洗方法；
4. 避坑关键：明确索引方式，处理缺失值，正确组合布尔条件。

作为Pandas的基础数据结构，Series凭借其标签索引、缺失值处理和丰富方法等特性，成为数据分析和处理的核心工具之一。