序列(Series)是由一組數據（各種NumPy數據類型），以及一組與之相關的數據標簽（索引）組成，序列不要求數據類型是相同的。
序列是一個一維數組，只有一個維度（或稱作軸）是行（row），在訪問序列時，只需要設置一個索引。pandas自動為序列創建了一個從0開始到N-1的序號，稱作行的下標，行的位置。可以顯式設置index參數，為每行設置標簽，pandas把標簽稱作索引。用戶可以通過索引、也可以通過位置來訪問Series對象中的元素。
序列可以看作是索引到數據值的一個映射，一個索引對應一個數據值，這種結構就是有序的字典。
一，創建序列
序列的構造函數定義是：
pandas.Series(data=None, index=None, dtype=None, name=None, copy=False)
構造函數的參數：
- data：傳遞給序列的數據，可以是ndarray、list或字典
- index：設置軸的索引，索引值的個數與data參數的長度相同。如果沒有設置index參數，那么默認值是 np.arange(n)，或者 RangeIndex (0, 1, 2, …, n)。
- dtype：設置序列元素的數據類型，如果沒有設置，那么將推斷數據類型
- name：序列是一個多行的結構，name是序列的名稱
- copy：復制數據，默認值是false
索引的下標是自動生成的，從0開始，加1遞增。對於序列的data，可以通過序列的屬性values來訪問；對於序列的索引，可以通過序列的屬性index來訪問。
1，使用ndarray或list創建序列
使用ndarray的一維數組，或者list來構造序列，序列包含兩部分：索引和序列值，如下所示
>>> data=np.array(['a','b']) # data=['a','b'] >>> sd=pd.Series(data) 0 a 1 b dtype: object
分析序列的輸出：
最左側的0和1是行索引，a和b是數據值。
在構造序列時，如果沒有傳遞index參數，默認情況下，pandas分配了從 0 到 len(data)-1 的索引。
顯式傳遞index參數
在構造函數中傳遞自定義的索引列表，索引的長度必須和data的長度相同，如下所示：
>>> sd=pd.Series(data,index=[101,102]) 101 a 102 b dtype: object
顯式設置序列的name和index的name
序列是一維數組，只有一個維度，那就是row，在序列中為Index命名就是設置行軸的名稱。
>>> sd=pd.Series(data=['a','b'],index=pd.Index([101,102],name='idx_name'),name='series_name') idx_name 101 a 102 b Name: series_name, dtype: object
序列看起來像多行一列的數據集，但是他們之間有本質的區別，多行一列是二維數組，有行名稱和列名稱，需要使用兩個索引值來訪問單個cell的數據，而序列只需要一個索引就可以訪問元素值。
3，從字典構造序列
通過字典來創建Series，字典的key作為序列的索引標簽，value作為對應Key的數據值：
>>> sdata = {'b': 12, 'a': 13}
>>> spd.Series(sdata)
b 12
a 13
dtype: int64
通過字典構建的序列，索引是標簽（字符類型）。
二，序列的屬性
序列對象包含的屬性：
- index：序列的索引
- shape：序列的形狀，表示各個維度的數量
- array：把序列的數據值轉換為Pandas數組
- values：把序列的數據值轉換為numpy數組
- dtype：序列元素的數據類型
- hasnan：序列是否包含nan
- is_unique：序列的元素是否是唯一的
1，序列的索引
>>> sd.index Int64Index([101, 102], dtype='int64', name='idx_name')
2，序列的shape
>>> sd.shape
(2,)
3，序列的PandasArray或ndarray數組
>>> sd.array <PandasArray> ['a', 'b'] Length: 2, dtype: object >>> sd.values array(['a', 'b'], dtype=object)
三，序列數據的轉換
轉換序列數據值的類型：
Series.astype(self, dtype, copy=True, errors='raise', **kwargs)
把序列轉換為NumPy數組：
Series.to_numpy(self, dtype=None, copy=False)
把序列轉換為list：
Series.to_list(self)
四，訪問序列的元素
序列元素的訪問，可以通過索引和行標簽，索引標簽是在構造函數中通過index參數傳遞或構造的，而索引值（也可以稱作序列的下標）是默認生成的，第一個元素的下標值是0，依次加1遞增。
1，通過索引來訪問序列
對於序列，通過索引來訪問序列元素的格式是：Sereis[index]，索引可以是整數，也可以是字符類型的標簽：
>>> sd[102] 'b'
通過屬性來訪問序列的元素值
2，at和iat屬性，用於訪問序列的單個元素值
at屬性通過索引訪問單個序列值
>>> sd.at[102] 'b'
iat屬性表示通過位置訪問序列的單個元素值：
>>> sd.iat[0] 'a'
3，loc和iloc，通過序列的位置來訪問元素
iloc：基於整數位置的索引，用於按位置選擇序列元素
- 單個位置索引，比如sd.iloc[1]
- 位置索引的列表，比如 sd.iloc[[0,1]]
- 整數序列，比如，sd.iloc[0:2]
- 布爾值數組，sd.iloc[[True, False, True, False]]
loc：通過索引標簽和布爾值數組來選擇序列的元素
舉個例子，通過整數位置來選擇序列的元素：
>>> sd.iloc[0:2] idx_name 101 a 102 b Name: series_name, dtype: object
舉個例子，通過索引的標簽來選擇序列的元素：
>>> sd.loc[[101,102]] idx_name 101 a 102 b Name: series_name, dtype: object
4，通過位置掩碼（布爾索引數組）來訪問序列的元素
在上面的例子中，[101,102] 稱作索引數組，如果索引數據的元素類型是布爾類型，並且索引數組的元素數量和序列相同，那么把這種索引數組稱作位置掩碼。當位置為True時，表示選擇該元素；當位置為False，表示不選擇該元素。
>>> sd.loc[[True,False]] idx_name 101 a Name: series_name, dtype: object
5，獲得懶惰迭代器
可以通過序列的__iter__()函數獲得值的迭代器，也可以通過items()或iteritems()函數獲得包含索引和值的元組的迭代器：
Series.__iter__(self) #Return an iterator of the values. Series.items(self) #Lazily iterate over (index, value) tuples. Series.iteritems(self) #Lazily iterate over (index, value) tuples.
例如，通過items()函數獲得序列的迭代器，並通過for循環來打印序列的值
>>> for t in sd.items(): ... print(t) ... ('b', 12) ('a', 13) ('d', 14) ('c', 10)
五，序列的條件索引
按照條件選擇序列的特定行，可以使用序列的loc或iloc屬性，並使用布爾索引來篩選序列的數據行：
>>> sd.loc[sd>12] a 13 d 14 dtype: int64
也可以使用邏輯表達式對條件進行組合計算：
>>> sd.loc[(sd>12) & (sd<14)] a 13 dtype: int64 >>> sd.loc[(sd>12) | (sd<14)] b 12 a 13 d 14 c 10 dtype: int64
注意，必須用小括號把兩個邏輯表達式括起來，不然會報錯：
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
查看序列的邏輯表達式的值：
>>> (sd>12) & (sd<14)
b False
a True
d False
c False
dtype: bool
六，序列的基本操作
1，刪除元素的元素
根據行標簽刪除制定的元素
Series.drop(self, labels=None)
2，對序列元素執行條件查詢
如果序列元素的值滿足cond條件，返回other的值；如果不滿足，返回元素的值。
Series.where(self, cond, other=nan, inplace=False)
3，把序列追加到一個序列末尾
把to_append序列追加到序列的末尾，設置ignore_index表示忽略原始序列的索引，重新創建一個索引：
Series.append(self, to_append, ignore_index=False, verify_integrity=False)
4，重索引
重索引是指按照新的索引對序列的元素進行重新排列，如果某個索引值不存在，就形成一個空洞，默認情況下，在空洞處插入缺失值：
Series.reindex(self, index=None, **kwargs)
參數 **kwargs 表示數據不固定的參數，其中有：
method：表示插補缺失值的方法，有效值有{None, ‘backfill’/’bfill’, ‘pad’/’ffill’, ‘nearest’}
- None 表示插入缺失值nan
- ‘backfill’/’bfill’：表示使用空洞之后的最近的有效值來填充
- ‘pad’/’ffill’：表示使用空洞之前的最近的有效值來填充
- ‘nearest’：表示使用最靠近空洞的有效值來填充
fill_value：填充的值，默認值是nan
參考文檔：