5.2.1 Series介绍

Series是一维数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近，其区别是：List中的元素可以是不同的数据类型，而Array和Series中则只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。
Series对象除了支持使用位置作为下标存取元素之外，还可以使用索引标签作为下标存取元素，这个功能与Python的字典（dictionary）对象类似。

5.2.2 创建Series对象

下面创建一个Series对象，示例代码：

import pandas as pd
s = pd.Series([1, 2, 3, 4, 5], index=["a", "b",  "c" , "d", "e"])
print(s)

运行结果：

a    1
b    2
c    3
d    4
e    5
dtype: int64

Series的字符串表现形式为：索引在左边，值在右边。以上代码是在创建Series的时候为值直接创建索引。当我们没有为数据指定索引时，Series会自动创建一个0到N-1（N为数据长度）的整数型索引。示例代码：

s2 = pd.Series([4, 7, -5, 3])
print(s2)

运行结果：

0    4
1    7
2   -5
3    3
dtype: int64

此外，我们也可以通过字典的形式来创建Series，示例代码：

sdata={'ohio':3500, 'Texas':7100, 'oregon':1600, 'utah':500}
s3 = pd.Series(sdata)
print(s3)

运行结果：

Texas     7100
ohio      3500
oregon    1600
utah       500
dtype: int64

5.2.3 Series对象的属性

每个Series对象包含两个属性，index和values。
index：它是从ndarray数组继承的Index索引对象，保存标签信息。若创建Series对象不指定index，将自动创建一个表示位置下标的索引。
values：保存元素值的ndarray数组，NumPy的函数都对此数组进行处理。
可以通过Series的values和index属性获取其数组的值和对应的属性。示例代码：

s4 = pd.Series([6, 8, 7, 9])
print(s4.values)
print(s4.index)

运行结果：

[6 8 7 9]
RangeIndex(start=0, stop=4, step=1)

5.2.4 Series对象元素的存取

Series对象与NumPy的ndarray数组类似，可以通过下标获取元素值，此外Series下标运算同时支持位置和标签两种形式，示例代码：

print("位置下标 s[2]：",s[2])
print("标签下标 s['d']：",s['d'])

运行结果：

位置下标 s[2]： 3
标签下标 s['d']： 4

Series对象还支持位置切片和标签切片。位置切片遵循Python切片规则，包括起始位置，但不包括结束位置；但标签切片则同时包括起始标签和结束标签。示例代码：

print(s[1:3])
print(s['b' : 'd'])

运行结果：

b    2
c    3
dtype: int64
b    2
c    3
d    4
dtype: int64

和NumPy的ndarray数组一样，还可以使用位置列表或位置数组存取元素，同样也可以使用标签列表和标签数组。示例代码；

print(s[[1, 3, 2]])
print(s[['b', 'd', 'c']])

运行结果：

b    2
d    4
c    3
dtype: int64
b    2
d    4
c    3
dtype: int64