2.1 Series 的基本属性

2.1.1 index（索引）

• 含义：index 属性返回 Series 的索引。通过它可以查看、修改 Series 的索引值。索引就像是数据的“地址标签”，方便我们定位和选取数据。
• 示例：

import pandas as pd

data = [10, 20, 30, 40]
series = pd.Series(data)
print(series.index)

# 修改索引
new_index = ['one', 'two', 'three', 'four']
series.index = new_index
print(series.index)

在上述代码中，首先创建了一个 Series 并打印其默认索引，会输出 RangeIndex(start = 0, stop = 4, step = 1)，这是从 0 到 3 的整数范围索引。然后修改索引为自定义的 ['one', 'two', 'three', 'four']，再次打印索引就会看到新的索引值。

2.1.2 values（值）

• 含义：values 属性返回 Series 中的数据值，以 Numpy 数组的形式呈现。因为 Pandas 是基于 Numpy 构建的，所以这里返回的是 Numpy 数组，方便进行各种数值计算。
• 示例：

import pandas as pd

data = [10, 20, 30, 40]
series = pd.Series(data)
print(series.values)

运行代码，会输出 [10 20 30 40]，这就是 Series 中的数据值以 Numpy 数组形式展示。

2.1.3 dtype（数据类型）

• 含义：dtype 属性表示 Series 中数据的数据类型。和 Numpy 数组类似，Series 中的数据通常具有相同的数据类型，这有助于提高存储和计算效率。
• 示例：

import pandas as pd

int_series = pd.Series([1, 2, 3])
float_series = pd.Series([1.0, 2.0, 3.0])
print(int_series.dtype)
print(float_series.dtype)

int_series 的数据类型为 int64，表示 64 位整数；float_series 的数据类型为 float64，表示 64 位浮点数。

2.2 Series 的索引与选取数据

2.2.1 通过整数索引选取数据

和 Python 列表类似，可以通过整数索引来选取 Series 中的单个数据或数据片段。索引从 0 开始。

• 示例：

import pandas as pd

data = [10, 20, 30, 40]
series = pd.Series(data)
print(series[2])  # 选取索引为 2 的数据
print(series[1:3])  # 选取索引 1 到 2 的数据（不包含索引 3）

series[2] 会输出 30，series[1:3] 会输出：

1    20
2    30
dtype: int64

2.2.2 通过自定义索引选取数据

如果 Series 使用了自定义索引，就可以通过自定义的索引值来选取数据。

• 示例：

import pandas as pd

data = [10, 20, 30, 40]
index = ['a', 'b', 'c', 'd']
series = pd.Series(data, index = index)
print(series['b'])  # 选取索引为 'b' 的数据
print(series[['a', 'c']])  # 选取索引为 'a' 和 'c' 的数据

series['b'] 输出 20，series[['a', 'c']] 输出：

a    10
c    30
dtype: int64

2.2.3 通过布尔索引选取数据

可以根据条件创建布尔值的 Series，然后用它来选取满足条件的数据。

• 示例：

import pandas as pd

data = [10, 20, 30, 40]
series = pd.Series(data)
bool_index = series > 20
print(series[bool_index])

这里先创建了一个布尔索引 bool_index，它是根据 series > 20 的条件判断生成的，值为 True 或 False。然后用 series[bool_index] 选取 series 中满足 series > 20 条件的数据，输出为：

2    30
3    40
dtype: int64

2.3 Series 的运算

2.3.1 算术运算

Series 支持各种算术运算，如加法、减法、乘法、除法等。这些运算会自动应用到 Series 的每个元素上。

• 示例：

import pandas as pd

series1 = pd.Series([1, 2, 3])
series2 = pd.Series([4, 5, 6])
add_result = series1 + series2
mul_result = series1 * series2
print(add_result)
print(mul_result)

add_result 为 [5 7 9]，是 series1 和 series2 对应元素相加的结果；mul_result 为 [4 10 18]，是对应元素相乘的结果。

2.3.2 与标量的运算

Series 还能与单个标量（一个数字）进行运算，标量会与 Series 的每个元素进行相应运算。

• 示例：

import pandas as pd

series = pd.Series([10, 20, 30])
scalar = 2
add_result = series + scalar
div_result = series / scalar
print(add_result)
print(div_result)

add_result 为 [12 22 32]，即 series 的每个元素都加上标量 2；div_result 为 [5. 10. 15.]，表示 series 的每个元素都除以标量 2。