Luquiescene

站点统计

文章

57

分类

5

标签

14

总字数

58,715

运行天数

0 天

最后活动

0 天前

公告

欢迎来到Luquiesceneの小屋ヾ(≧▽≦*)o

了解更多

标签

Luquiescene

公告

欢迎来到Luquiesceneの小屋ヾ(≧▽≦*)o

了解更多

标签

AI coding Arduino C++ Git GitHub Python 博客天文学学习笔记工具教程数据科学日常硬件

Luquiescene

公告

欢迎来到Luquiesceneの小屋ヾ(≧▽≦*)o

了解更多

标签

AI coding Arduino C++ Git GitHub Python 博客天文学学习笔记工具教程数据科学日常硬件

站点统计

文章

57

分类

5

标签

14

总字数

58,715

运行天数

0 天

最后活动

0 天前

787 字

2 分钟

笔记｜数据分析学习笔记14｜Series的创建、属性与索引

2026-07-03

2026-07-05

理工研习

Python

/

数据科学

/

学习笔记

/

教程

本系列所有文章都放在数据科学标签，总目录如下：

合集｜数据分析学习笔记｜系列总目录

上一篇：笔记｜数据分析学习笔记13｜Pandas介绍

14.1 Series 结构#

Series 是一种一维数组型对象，包含两个核心组成部分：

值序列（values）：存储的实际数据
索引（index）：每个数据对应的标签

结构图解#

1
A
2
1    1
3
2    2
4
3    3
5
4    4
6
dtype: int64

图示中 Series 分为三部分：

Series Index：左侧数字 1、2、3、4，代表序列索引
Series Name：顶部标识 A，代表序列名称
Series Values：右侧数字 1、2、3、4，代表序列存储的数据

14.2 Series 的创建#

14.2.1 通过列表创建#

1
import pandas as pd
2

3
s = pd.Series([1, 2, 3, 4, 5])
4
print(s)

输出：

1
0    1
2
1    2
3
2    3
4
3    4
5
4    5
6
dtype: int64

默认索引为从 0 开始的整数序列。

14.2.2 自定义索引#

通过 index 参数可以为 Series 指定自定义的索引标签：

1
s = pd.Series([1, 2, 3, 4, 5], index=['A', 'B', 'C', 'D', 'E'])
2
print(s)

输出：

1
A    1
2
B    2
3
C    3
4
D    4
5
E    5
6
dtype: int64

14.2.3 指定名称#

通过 name 参数可以为 Series 命名：

1
s = pd.Series([1, 2, 3, 4, 5], index=['A', 'B', 'C', 'D', 'E'], name='月份')
2
print(s)

输出：

1
A    1
2
B    2
3
C    3
4
D    4
5
E    5
6
Name: 月份, dtype: int64

14.2.4 通过字典创建#

将字典的键作为索引、值作为数据创建 Series：

1
s = pd.Series({'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5})
2
print(s)
3

4
# 通过已有 Series 和指定索引提取子集
5
s1 = pd.Series(s, index=['a', 'c'])
6
print(s1)

输出：

1
a    1
2
b    2
3
c    3
4
d    4
5
e    5
6
dtype: int64
7
a    1
8
c    3
9
dtype: int64

通过 pd.Series(s, index=[...]) 可以从已有 Series 中筛选出指定索引对应的元素，未匹配的索引会被忽略。

14.3 Series 的属性#

Series 提供了丰富的属性来描述自身的特征：

属性	说明
`index`	Series 的索引对象
`values`	Series 的值
`dtype` 或 `dtypes`	Series 的元素类型
`shape`	Series 的形状
`ndim`	Series 的维度
`size`	Series 的元素个数
`name`	Series 的名称
`loc[]`	显式索引，按标签索引或切片
`iloc[]`	隐式索引，按位置索引或切片
`at[]`	使用标签访问单个元素
`iat[]`	使用位置访问单个元素

访问属性示例：

1
s = pd.Series({'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5})
2
s.name = 'test'
3
print(s.index)
4
print(s.values)
5
print(s.shape, s.ndim, s.size)
6
print(s.dtype, s.name)

输出：

1
Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
2
[1 2 3 4 5]
3
(5,) 1 5
4
int64 test

14.4 索引与访问#

Pandas 提供了多种索引方式，分为显式索引（按标签）和隐式索引（按位置）。

1
print(s.loc['a'])   # 显式索引，按标签访问
2
print(s.iloc[0])    # 隐式索引，按位置访问
3
print(s.at['a'])    # 按标签访问单个元素（不支持切片）
4
print(s.iat[0])     # 按位置访问单个元素（不支持切片）

输出：

布尔索引：

1
print(s[s < 3])  # 筛选值小于3的元素

输出：

1
a    1
2
b    2
3
Name: test, dtype: int64

添加元素与预览：

1
s['f'] = 6            # 通过标签添加新元素
2
print(s.head())        # 返回前5行
3
print(s.tail())        # 返回后5行
4
print(s.head(2))       # 返回前2行

输出：

1
a    1
2
b    2
3
c    3
4
d    4
5
e    5
6
Name: test, dtype: int64
7
b    2
8
c    3
9
d    4
10
e    5
11
f    6
12
Name: test, dtype: int64
13
a    1
14
b    2
15
Name: test, dtype: int64

要点说明：

loc[] 按标签名访问（如 s.loc['a']），支持切片（左右均包含）。
iloc[] 按位置序号访问（如 s.iloc[0]），切片规则与 Python 一致（左闭右开）。
at[] / iat[] 仅用于访问单个元素，速度比 loc / iloc 更快。
不推荐使用 s[0] 直接访问，因为索引不清楚是显式还是隐式，容易产生歧义。

14.5 本节小结#

本节完成了以下内容：

理解了 Series 的一维数组结构及其三要素：索引、名称、值。
掌握了 Series 的四种创建方式：列表（默认索引）、自定义索引、指定名称、字典创建。
熟悉了 Series 的常用属性：index、values、dtype、shape、ndim、size、name。
掌握了显式索引（loc、at）与隐式索引（iloc、iat）的区别与用法。
学会了布尔索引筛选、元素添加、head() 与 tail() 预览等实用操作。

下一节我们将学习 Series 的常用方法。

下一篇：笔记｜数据分析学习笔记15｜Series的常用方法

如果这篇文章对你有帮助，欢迎分享给更多人！

笔记｜数据分析学习笔记14｜Series的创建、属性与索引

https://luq-blog.xyz/posts/2026-07-03-data-notes-14-series-basics/

作者

Luquiescene

发布于

2026-07-03

许可协议

CC BY-NC-SA 4.0

部分信息可能已经过时

笔记｜数据分析学习笔记13｜Pandas介绍

笔记｜数据分析学习笔记15｜Series的常用方法