从零掌握 Pandas Series，一维数据分析变轻松

视频演示

第一部分：认识 Series —— 数据分析的好帮手

在数据分析中，一维数据的处理经常令人感到繁琐，特别是当你刚开始使用 Python 进行数据处理时。不过，Pandas 库中的 `Series` 对象为我们提供了极大的便利。它是 Pandas 提供的一种一维数据结构，你可以将其类比为 Excel 表格中的一列，既可以存储数据，也可以自定义索引，既灵活又强大。

第二部分：从列表创建 Series —— 基础操作讲解

使用 Pandas 创建 `Series` 对象非常简单。首先，我们需要导入 pandas 库：

import pandas as pd

接着，假设你有一个记录商品A一周销售数据的列表：

sales_data = [50, 30, 40, 45, 60, 70, 65]

只需调用 `pd.Series()` 函数并传入该列表：

s = pd.Series(sales_data)
print(s)

默认情况下，Series 的索引从 0 开始自动生成。也就是说，数据的每个值对应一个从 0 开始的编号，非常适合初学者快速上手。

第三部分：自定义索引 —— 提升数据可读性

有时候，为了让数据更易读，我们可以自定义索引。例如商店的某天销售了三种商品，我们希望用商品编号作为索引：

sales_data = [50, 35, 42]
product_ids = ['P001', 'P002', 'P003']
s = pd.Series(sales_data, index=product_ids)
print(s)

输出的 Series 就会以 `P001`、`P002`、`P003` 为索引，而不是默认的数字索引，这样在展示和分析数据时就更加直观。

第四部分：访问数据 —— 使用索引取值

创建好 Series 后，我们可以通过索引快速访问其中的元素：

print(s[0])       # 使用默认索引访问第一个值
print(s['P002'])  # 使用指定索引访问第二个商品的值

这种方式不仅灵活，而且支持混用默认与自定义索引，让我们能够更方便地定位所需数据。

第五部分：使用字典创建 Series —— 数据绑定更直接

除了列表，我们还可以使用 Python 的字典来创建 Series 对象，字典的键会自动变成 Series 的索引，值则成为数据内容：

data = {'shirt': 100, 'pants': 80, 'shoes': 60}
s = pd.Series(data)
print(s)

Series 对象将显示如下：

shirt    100
pants     80
shoes     60
dtype: int64

更棒的是，如果只需要字典中的部分数据，只需指定需要的索引：

s = pd.Series(data, index=['shirt', 'pants'])
print(s)

这样就可以快速筛选目标数据，避免冗余。

总结：掌握 Series，让数据处理更高效

通过上述方法，我们可以灵活地创建和操作 Pandas 的 Series 对象，无论是使用列表还是字典，都能轻松完成数据初始化与访问。掌握这些基础，是你迈入数据分析世界的重要一步。