[L2]快速掌握Series~Series的属性

懒惰行动得如此缓慢，贫穷很快就能超过它。

——富兰克林

全文字数：1411字

阅读时间：6分钟

前言

由于在公众号上文本字数太长可能会影响阅读体验，因此过于长的文章，我会使用"[L1]"来进行分段。这系列将介绍Pandas模块中的Series，本文主要介绍：

• Series的属性

快速掌握Series系列：

[L1]快速掌握Series~创建Series

a

Series的属性

此处介绍Series属性包括两个方面（因为此处介绍的是Series的属性不是Series的方法，所以不要在后面加小括号）：

1. 获取Series的index索引和value值，顺便介绍统计index和value相同类别的个数的方法；
2. 获取Series的名称以及index的名称；

#实验所用到的Series对象
import pandas as pd
s = pd.Series([1,2,3],index = ["a","b","a"])
print(s)

• 获取index索引和value值，并统计index和value相同类别的个数

下面将index和value分开来介绍：

#获取Series的索引
print(s.index)

result:
Index(['a', 'b', 'a'], dtype='object')

此时返回的索引是一个迭代器对象，这个对象还可能会有其他的属性。如果我们想要获取其中的具体值的话，可以使用for循环进行遍历，还可以使用下面这些简单的属性将迭代转换为ndarray数组或者是list列表：

print(s.index.values)
print(type(s.index.values))
print("-"*6)
print(list(s.index.values))
print(type(list(s.index.values)))

result:
['a' 'b' 'a']
<class 'numpy.ndarray'>
------
['a', 'b', 'a']
<class 'list'>

如果我们想要统计Series中索引相同索引的个数，可以使用下面的方法（注意此时是方法不在是属性了）：

print(s.index.value_counts())

result:
a    2
b    1
dtype: int64

values其实和index类似，下面简单的介绍一下：

print(s.values)
print(type(s.values))

result:
[1 2 3]
<class 'numpy.ndarray'>

与获取index不同的是，使用s.values返回的就是包含值的ndarray数组类型。下面统计相同value值的个数，同样这个也是一个方法，这个方法还是很常用的：

print(s.value_counts())

result:
3    1
2    1
1    1
dtype: int64

• 获取Series的名称以及index的名称

Series有本身以及index和value，除了value没有名称外，Series本身和index都可以指定名称，如果不指定的话默认为None。

s.name = "my Series"
s.index.name = "my index"
print(s)

result:
my index
a    1
b    2
a    3
Name: my Series, dtype: int64