pandas创建Series的三种方法及常用操作详解
发布时间：2026-10-15| 4人浏览过
本文详细介绍pandas中Series对象的三种创建方式，包括通过字典、一维数组和标量值构建Series，并深入解析Series的常用操作方法，如创建、追加、删除、修改及查询。文章通过具体代码示例展示了不同场景下的正确用法，特别是嵌套Series追加时的常见错误与修正方案，帮助开发者高效掌握Series的核心功能。
pandas创建series方法
print("====创建series方法一===")
dic={"a":1,"b":2,"c":3,"4":4}
s=pd.Series(dic)
print(s)创建方法一
通过字典创建Series时，字典的键（key）自动成为Series的索引（index），而字典的值（values）则对应Series的数据值。
需要注意的是，字典的键必须是字符串类型。如果字典中的值类型不统一，例如混合了整数、字符串和浮点数，Series会如何处理呢？我们可以尝试构建如下字典：dic = {'a':1, 'b':'hello', 'c':3, '4':4, '5':5}。
Series 创建方法二
可以通过一维数组来创建Series。
arr=np.random.rand(5)
s=pd.Series(arr)
print(arr)
print(s)
#默认index是从0开始，步长为1的数字
s=pd.Series(arr,index=['a','b','c','d','e'],dtype=np.object)
print(s)Series 创建方法三
也可以通过标量值来创建Series。
s=pd.Series(10,index=range(4))
print(s)Pandas的Series常用方法
使用
from pandas import Series1. 创建Series
a. 常规创建
>>> obj = Series([1,2,3], index=['A','B','C'])
>>> obj
A 1
B 2
C 3
dtype: int64b. 根据字典创建
>>> obj = Series({'a':1,'b':2,'c':3})
>>> obj
a 1
b 2
c 3
dtype: int64c. Series嵌套Series
>>> obj1 = Series([1,2,3],index=['a','b','c'])
>>> obj2 = Series([4,5,6],index=['d','e','f'])
>>> obj3 = Series([obj1, obj2],index=['name1', 'name2'])
>>> obj3
name1 a 1
b 2
c 3
dtype: int64
name2 d 4
e 5
f 6
dtype: int64
dtype: object2. Series追加
>>> obj1 = Series([1,2,3],index=['a','b','c'])
>>> obj1
a 1
b 2
c 3
dtype: int64
>>> obj1.append(Series([4,5],index=['d','e']))
a 1
b 2
c 3
d 4
e 5
dtype: int64如果是嵌套的Series的追加
- 错误写法：obj['name1'].append(Series([1], index = ['a']))；
- 正确写法：obj.append(Series([Series([1], index = ['a'])], index = ['name1']))
3. Series删除
>>> obj1 = Series([1,2,3],index=['a','b','c'])
>>> obj1
a 1
b 2
c 3
dtype: int64
>>> obj1.drop('b')
a 1
c 3
dtype: int644. Series改
>>> obj1 = Series([1,2,3],index=['a','b','c'])
>>> obj1
a 1
b 2
c 3
dtype: int64
>>> obj1.a = -1
>>> obj1['b'] = -2
>>> obj1
a -1
b -2
c 3
dtype: int645. Series查
>>> obj1 = Series([1,2,3],index=['a','b','c'])
>>> obj1
a 1
b 2
c 3
dtype: int64
>>> print(obj1.a == 1)
True以上为个人经验，希望能给大家一个参考，也希望大家多多支持本站。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
