文章目录
- [一、Series 简介](#一、Series 简介)
- [二、Series 基本语法](#二、Series 基本语法)
-
- [2.1 Series 创建](#2.1 Series 创建)
- [2.2 Series 的属性](#2.2 Series 的属性)
- [2.3 访问数据](#2.3 访问数据)
- [2.4 缺失值统一处理](#2.4 缺失值统一处理)
- [三、Series 常用函数](#三、Series 常用函数)
- [四、Series 案例](#四、Series 案例)
一、Series 简介
Series 是 Pandas 中的 一维带标签数组 ，是 Pandas 两大核心数据结构之一（另一个是二维的 DataFrame）。Series 可理解为 一列数据，由两部分组成：
- values（值）：存储实际数据，可以是数字、字符串、布尔值等，底层基于 NumPy 数组
- index（索引）：数据对应的标签，用来定位元素。索引默认是从 0 开始的整数序列，也可以手动自定义标签
区别：普通 NumPy 一维数组只有位置编号；Series 自带索引标签，既可以用位置取数，也可以用标签取数，这是 Series 最核心的特点。
Series 结构如下：
核心特点如下：
- 一维结构：只能存一列，不能多列；多列数据用 DataFrame
- 同类型数据：同一 Series 里元素一般是相同数据类型（int/float/string）
- 索引独立：索引可以自定义，不一定是 0,1,2；索引可以不连续
- 支持向量化运算：不用写循环，整列直接加减运算，继承 NumPy 优势
- 自带丰富方法：统计、缺失值处理、切片筛选等
注：DataFrame 的每一列本质上就是一个 Series。
后文演示默认引入 Pandas：import pandas as pd
二、Series 基本语法
2.1 Series 创建
python
# series创建
s = pd.Series([1, 2, 3, 4, 5])
# 自定义索引
s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])
# 自定义name
s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'], name='月份')
python
# 通过字典的方式创建
s = pd.Series({'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5})
print(s)
s1 = pd.Series(s, index=['a', 'b']) # s基础上只取ab索引
print(s1)
s1 = pd.Series(s, index=["a", "b", "c"]) # s基础上只取abc索引
print(s1)
2.2 Series 的属性
| 属性 | 说明 | 属性 | 说明 |
|---|---|---|---|
index |
Series的索引对象 | loc[] |
显式索引，按标签索引或切片 |
values |
Series的值 | iloc[] |
隐式索引，按位置索引或切片 |
dtype、dtypes |
Series的元素类型 | at[] |
使用标签访问单个元素 |
shape |
Series的形状 | iat[] |
使用位置访问单个元素 |
ndim |
Series的维度 | ||
size |
Series的元素个数 | ||
name |
Series的名称 |
示例代码：
python
s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'], name='月份') # 定义name
print(s.index) # Index(['a', 'b', 'c', 'd', 'e'], dtype='str')
print(s.values) # [1 2 3 4 5]
print(s.shape) # (5,)
print(s.ndim) # 1
print(s.size) # 5
print(s.dtype, s.dtypes) # int64 int64
print(s.name) # 月份
print(s.loc['a']) # 1，显示索引
print(s.iloc[0]) # 1，隐式索引
print(s.at['a']) # 1，显示，访问单个元素，不支持切片
print(s.iat[0]) # 1，隐式注： loc[标签切片]：闭区间 [start, end]，包含结束标签；iloc[位置切片]：左闭右开 [start, end)，不包含结束位置
python
# 切片
print(s.loc['a':'c'])
# a 1
# b 2
# c 3
# Name: 月份, dtype: int64
print(s.iloc[0:2])
# a 1
# b 2
# Name: 月份, dtype: int64另外：若传入列表形式 [[x,y,z]]，不管 loc 还是 iloc，都是选取指定项，不存在区间问题。
python
print(s.loc[['a', 'b']])
# a 1
# b 2
# Name: 月份, dtype: int64
print(s.iloc[[0, 2]])
# a 1
# c 3
# Name: 月份, dtype: int642.3 访问数据
python
s = pd.Series([1, 2, 3, 4, 5, 6], index=['a', 'b', 'c', 'd', 'e', 'f'], name='月份')
print(s['a'])
print(s[s < 3]) # 布尔索引
# a 1
# b 2
# Name: 月份, dtype: int64
print(s.head()) # 默认前5个
print(s.tail()) # 默认后5个
print(s.head(2)) # 前2个
print(s.tail(1)) # 后1个2.4 缺失值统一处理
python
# 缺失值统一处理
s = pd.Series([10, 2, np.nan, None, 3, 4], index=['a', 'b', 'c', 'd', 'e', 'f'])
print(s)
三、Series 常用函数
| 方法 | 说明 | 方法 | 说明 |
|---|---|---|---|
head() |
查看前 n 行数据，默认 5 行 | max() |
最大值 |
tail() |
查看后 n 行数据，默认 5 行 | var() |
方差 |
isin() |
判断元素是否包含在参数集合中 | std() |
标准差 |
isna() |
判断是否为缺失值（如 NaN 或 None） | median() |
中位数 |
sum() |
求和，自动忽略缺失值 | mode() |
众数（可返回多个） |
mean() |
平均值 | quantile(q) |
分位数，q 取 0~1 之间 |
min() |
最小值 | describe() |
常见统计信息（count、mean、std、min、25%、50%、75%、max） |
注：mean()、sum()、std()、var()、min()、max()、median() 默认都会自动忽略 NaN（缺失值），不会把 nan 或 None 参与计算。
示例代码1：
python
s = pd.Series([1, 2, 3, 4, 5, 6], index=['a', 'b', 'c', 'd', 'e', 'f'])
# head()、tail() 默认取5个
print(s.head())
print(s.tail())
print(s.head(2))
print(s.tail(1))示例代码2：
python
s = pd.Series([1, 2, np.nan, None, 5], index=['a', 'b', 'c', 'd', 'e'])
print(s.isna()) # 检查series中元素是否为缺失值
print(s.isin([5])) # 检查元素 5 是否在集合里
s.isin([1, 5]) # 检查 1、5 元素是否在集合里
示例代码3：
python
s = pd.Series([1, 2, 3, 4, 5, np.nan], index=['a', 'b', 'c', 'd', 'e', 'f'])
print(s.mean()) # 3.0 平均值
print(s.sum()) # 15.0 总和，不包含nan
print(s.std()) # 1.5811388300841898 标准差
print(s.var()) # 2.5 方差
print(s.min()) # 1.0 最小值
print(s.max()) # 5.0 最大值
print(s.median()) # 3.0 中位数
print(s.mode()) # 众数
print(s.quantile(0.25)) # 2.0分位数
# 查看所有描述性信息
s.describe()
注：计算分位数时，Pandas 内部会先对 Series 的有效值自动排序，再计算对应分位数。并且默认自动忽略 Nan 或 None。
| 方法 | 说明 | 方法 | 说明 |
|---|---|---|---|
value_counts() |
每个唯一值的出现次数 | sort_values() |
按值排序 |
count() |
非缺失值数量 | replace() |
替换值 |
nunique() |
唯一值个数（去重） | keys() |
返回 Series 的索引对象 |
unique() |
获取去重后的值数组 | ||
drop_duplicates() |
去除重复项 | ||
sample() |
随机抽样 | ||
sort_index() |
按索引排序 |
示例代码4：
python
# 众数：出现最多次数的数
s = pd.Series([1, 2, 4, 4, 3], index=['a', 'b', 'c', 'd', 'e'])
print(s.sort_values()) # 排序，缺失值放在后面
print(s.sort_index(ascending=False)) # 按照索引排序注：ascending 代表升序的意思
示例代码5：
python
s = pd.Series([1, 2, 2, 4, 5, np.nan], index=['d','b','a','c','f','e'], name='data')
print(s.value_counts()) # 统计每个值出现次数
print(s.count()) # 5 非缺失值数量
print(s.replace(2, 99)) # 替换值
print(s.nunique()) # 4 唯一值个数(去重)
# 获取索引
print(s.keys()) # 方法
print(s.index) # 属性 结果同上
# Index(['d', 'b', 'a', 'c', 'f', 'e'], dtype='str')
print(s.unique()) # 获取去重后的值数组
# [ 1. 2. 4. 5. nan]
print(s.drop_duplicates()) # 删除重复项
print(s.sample(2)) # 随机抽样四、Series 案例
题目1：学生成绩统计
python
"""
题目1：学生成绩统计
创建一个包含10名学生数学成绩的Series，成绩范围在50-100之间。
计算平均分、最高分、最低分，并找出高于平均分的学生人数。
"""
import pandas as pd
import numpy as np
np.random.seed(42) # 设置随机种子
values = np.random.randint(50, 101, 10)
index = []
for i in range(1, 11):
index.append('学生' + str(i))
scores = pd.Series(values, index)
print(scores)
print('平均分：', scores.mean())
print('最高分：', scores.max())
print('最低分：', scores.min())
mean_score = scores.mean()
print('高于平均分的学生人数：', len(scores[scores >= mean_score])) # 布尔索引题目2：温度数据分析
python
'''
题目2：温度数据分析
给定某城市一周每天的最高温度Series，完成以下任务:
- 找出温度超过30度的天数
- 计算平均温度
- 将温度从高到低排序
- 找出温度变化最大的两天
'''
import pandas as pd
import numpy as np
temperatures = pd.Series([28, 31, 29, 32, 30, 27, 33], index=['周一', '周二', '周三', '周四', '周五', '周六', '周日'])
print('温度超过30度的天数：', len(temperatures[temperatures > 30]))
print('温度超过30度的天数：', temperatures[temperatures > 30].count())
print('温度超过30度的天数：', temperatures[temperatures > 30].size)
print('平均温度：', temperatures.mean())
print('将温度从高到低排序：')
print(temperatures.sort_values(ascending=False)) # ascending:升序
print('-------------------')
temp_diff = temperatures.diff() # 计算series数组的变化的值
# print(temp_diff)
# 周一 NaN
# 周二 3.0
# 周三 -2.0
# 周四 3.0
# 周五 -2.0
# 周六 -3.0
# 周日 6.0
temp_diff_sort = temp_diff.abs().sort_values(ascending=True) # 温度变化值排序
print('温度变化最大的两天：', temp_diff_sort.index[0], temp_diff_sort.index[1])
print('温度变化最大的两天：', temp_diff_sort.keys()[0:2].tolist())
# 温度变化最大的两天： ['周三', '周五']注：diff() 用于计算和上一个数据的变化差值
题目3：股票价格分析
python
'''
题目3：股票价格分析
给定某股票连续10个交易日的收盘价Series:
- 计算每日收益率(当日收盘价/前日收盘价-1)
- 找出收益率最高和最低的日期
- 计算波动率(收益率的标准差)
'''
import pandas as pd
import numpy as np
values = np.array([102.3, 103.5, 105.1, 104.8, 106.2, 107.0, 106.5, 108.1, 109.3, 110.2])
index = pd.date_range('2023-01-01', periods=10)
prices = pd.Series(values, index)
print(prices)
# 2023-01-01 102.3
# 2023-01-02 103.5
# 2023-01-03 105.1
# ...
print('-----------------------')
yields = prices.pct_change() # 103.5/102.3-1
print('每日收益率：')
print(yields)
print('-----------------------')
print('收益率最高日期：', yields.idxmax()) # max()最大值，idxmax() 最大值的索引
print('收益率最低日期：', yields.idxmin())
print('波动率', yields.std())注：
pct_change()可计算收益率（计算公式：当日收盘价/前日收盘价-1)；idxmax()用于最大值的索引，idxmin()同理periods表示生成多少个时间点。如：periods=10表示创建 10 条日期。- 没有写
freq时，默认freq='D'，也就是按天生成。
题目4：销售数据分析
python
'''
题目4：销售数据分析
某产品过去12个月的销售量
- 计算季度平均销量(每3个月为一个季度)
- 找出销量最高的月份
- 计算月环比增长率
- 找出连续增长超过2个月的月份
'''
import pandas as pd
import numpy as np
values = np.array([120, 135, 145, 160, 155, 170, 180, 175, 190, 200, 210, 220])
index = pd.date_range('2022-01-01', periods=12, freq='MS')
# freq='MS' 频率按照月生成，MS代表每个月开始，D代表天为频率
sales = pd.Series(values, index)
print(sales)
print('-----------------------')
print('季度平均销量：')
print(sales.resample('QS').mean()) # 按照季度重新采样，(120+135+145)/3
print('-----------------------')
print('销量最高的月份：', sales.idxmax())
print('计算月环比增长率：')
print(sales.pct_change())
print('-----------------------')
# sales.pct_change() > 0 # 检查连续3个是true的窗口
sales_rolling = (sales.pct_change() > 0).rolling(window=3) # 大小为3的窗口
sales_rolling_sum = sales_rolling.sum() # 窗口加和， True 等价于 1，False 等价于 0
print(sales_rolling_sum)
# 2022-01-01 NaN
# 2022-02-01 NaN
# 2022-03-01 2.0
# 2022-04-01 3.0
# 2022-05-01 2.0
# 2022-06-01 2.0
#...
print(sales_rolling_sum[sales_rolling_sum >= 3].keys().tolist())
# [Timestamp('2022-04-01 00:00:00'), Timestamp('2022-11-01 00:00:00'), Timestamp('2022-12-01 00:00:00')]-
freq取值频率：D：按天MS：MonthStart，每月月初ME：MonthEnd，每月月末YS：YearStart，每年年初YE：YearEnd，每年年末 -
resample()：时间序列重采样 ，可对当前序列，重新按照制定规则取样。如：QS表示把高频时间数据（这里是月度）聚合为低频数据季度 。D：按天W：按周（默认周日结束）MS：每月月初ME：每月月末QS：季度初QE：季度末YS：每年年初YE：每年年末H：小时T：分钟 -
rolling(window=N)：滚动窗口 。在序列上开一个固定大小的窗口，窗口沿着数据从上到下滑动，每次滑动一格。可对窗口内的数据执行聚合计算（sum /mean/max 等）。如：
window=3：窗口大小为 3，每次取当前位置 + 前面 2 个 ，一共 3 条数据。若不足窗口长度的位置，默认返回NaN
题目5：每小时销售数据分析
python
'''
题目5：每小时销售数据分析
某商店每小时销售额
- 按天重采样计算每日总销售额
- 计算每天营业时间(8:00-22:00)和非营业时间的销售额比例
- 找出销售额最高的3个小时
'''
import pandas as pd
import numpy as np
np.random.seed(42) # 设置随机种子
values = np.random.randint(0, 100, 24)
index = pd.date_range('2025-01-01', periods=24, freq='h')
hours_sales = pd.Series(values, index)
# 2025-01-01 00:00:00 51
# 2025-01-01 01:00:00 92
# 2025-01-01 02:00:00 14
# 2025-01-01 03:00:00 71
# ...
# 按天重采样计算每日总销售额
day_sales = hours_sales.resample('D')
print(day_sales.sum()) # 或者 hours_sales.sum()
# 计算每天营业时间(8:00-22:00)和非营业时间的销售额比例
# 法1：使用between_time函数筛选一段时间的series
business_hours_sales = hours_sales.between_time('8:00', '22:00')
print(business_hours_sales.sum() / (day_sales.sum() - business_hours_sales.sum()))
# 法2：利用布尔索引
business_hours_sales = hours_sales[(hours_sales.index.hour >= 8) & (hours_sales.index.hour <= 22)]
print(business_hours_sales.sum() / (day_sales.sum() - business_hours_sales.sum()))
# 法3：也可利用drop去除营业时间段的销售
not_business_hours_sales = hours_sales.drop(business_hours_sales.index)
print(business_hours_sales.sum() / not_business_hours_sales.sum())
# 找出销售额最高的3个小时
print(hours_sales.nlargest(3).keys())between_time(start_time, end_time)：时间索引专用，筛选同一天内 指定时段，包含起止时刻。nlargest(n)：取出数值最大 n 条，返回 Series，可使用.index/.keys()拿到对应索引。drop(索引)：删掉指定索引对应的行，返回删掉之后新的 Series。
注：between_time('8:00','22:00')：只看时间（小时分钟），忽略日期，即：不管是哪一天，只要时间落在 8:00~22:00 就筛选出来。