Series(一)：Series的创建方式和常用属性说明（一）

1、list、ndarray、Series的简单比较

list列表，列表中的元素可以是不同的数据类型，使用从0开始的整数值作为默认索引；

ndarray数组，数组中的元素必须是同种数据类型，也是使用从0开始的整数值作为默认索引；

Series序列，是一种一维的结构，类似于一维列表和ndarray中的一维数组，但是功能比他们要更为强大，Series由两部分组成：索引index和数值values；

一维列表和一维数组中都是采用从0开始的整数值作为默认索引，索引值一般不显示的给出，但是我们可以通过索引去获取其中的元素。对于Series来说，默认索引也是从0开始的整数值作为默认索引，但是是显示地给出，更为强大的是，Series中的索引可以随意设置，方便我们取数。

操作如下：

import numpy as np
 import pandas as pd
 l1 = [1,2,"中国",4.5]
 display(l1)
 display(l1[2])
 a1 = np.array([1,2,5,6,8])
 display(a1)
display(a1[4])
s1 = pd.Series([1,3,5,7,9])
display(s1)
display(s1[4])
s2 = pd.Series([1,3,5,7,9],index=["a","b","c","d","e"])
display(s2)
display(s2["d"])
display(s2[3])
s3 = pd.Series([1,3,5,7,9],index=[3,4,5,6,7])
display(s3)
display(s3[6])

结果如下：

通过上述测试，我们可以总结出来这第5条结论：

创建Series序列时，当不指定索引的时候，默认使用的从0开始的整数索引；当自己指定了字符串索引，既可以通过这个字符串索引访问元素，也可以通过默认的整数索引访问元素；当自己指定一个整数索引，那么该索引会覆盖掉原有的默认的整数索引，只能通过这个新的整数索引访问元素，默认的整数索引会失效。

2、Series的5种常用创建方式

创建Series的语法：pd.Series()；

常用的几个参数：index，用于指定新的索引；dtype，用于指定元素的数据类型；

大前提：要记住Series是一个一维的结构！！！

1）通过一维列表创建Series

x = [1,3,5,7,9]
y = pd.Series(x,index=["a","b","c","d","e"],dtype=np.float32)
display(y)

结果如下：

2）通过可迭代对象创建Series

x = range(2,7)
y = pd.Series(x)
display(y)

结果如下：

3）通过字典创建Series

x = dict(a=22,b=18,c=35)
y = pd.Series(x)
display(y)

结果如下：

4）通过一维数组创建Series

x = np.arange(1,6)
y = pd.Series(x)
display(y)

结果如下：

5）通过标量(常数)创建Series

x = 22
y1 = pd.Series(x)
display(y1)
y2 = pd.Series(x,index=list(range(5)))
display(y2)

结果如下：

注意：使用标量创建一个含有相同元素的Series，元素的个数取决于我们设置的索引的个数。