前言

大家好！我是架構筑夢的Cherry，本期跟大家分享的知識是 pandas 數據結構——DataFrame。

作者的【 Python智能工坊】專欄及【少兒編程Python：趣味編程，探索未來】正在火熱更新中🔥🔥🔥，如果本文對您有幫助，歡迎大家點贊 + 評論 + 收藏 ！

1. Series 簡介

pandas數據結構中的Series是一個一維數組對象，能夠保存任何數據類型（整數、字符串、浮點數、Python對象等），并有一個與之關聯的標簽序列，這些標簽被稱為“索引”（index）。索引與數據是一一對應的，通過索引可以快速獲取、更新或刪除數據。Series在pandas數據處理中起著至關重要的作用，是構建更復雜數據結構（如DataFrame）的基礎。

以下是關于pandas Series的詳細解釋：

• 定義：Series類似于一維數組或列表，但它有一個顯式的索引，用于標記數據。
• 組成：Series由兩部分組成——值（values）和索引（index）。

在金融數據分析中，pandas的Series數據結構扮演著重要角色。它可以用來存儲股價、交易量、市盈率等連續或離散的數據，并通過索引輕松訪問和操作這些數據。Series支持多種數據類型，允許用戶根據實際需求靈活使用。

2. Series的特點

• 一維數組：Series是一維的，意味著它只有一個軸（或維度），類似于Python中的列表。
• 索引：每個Series都有一個索引，用于對數據進行標記。索引可以是整數、字符串、日期等類型。如果不指定索引，pandas將默認創建一個從0開始的整數索引。
• 數據類型：Series可以容納不同數據類型的元素，包括整數、浮點數、字符串、Python對象等。
• 大小不變性：Series的大小在創建后是不變的，但可以通過某些操作（如append或delete）來改變。
• 操作：Series支持各種操作，如數學運算、統計分析、字符串處理等。
• 缺失數據：Series可以包含缺失數據，pandas使用NaN（Not a Number）來表示缺失或無值。

3. Series的創建

Series可以通過多種方式進行創建，包括但不限于：

• 使用列表或數組：可以傳遞一個列表或數組作為數據源來創建Series。
• 指定索引：可以為每個元素指定索引標簽。
• 使用字典：字典的鍵成為索引，值成為數據。
• 使用numpy的ndarray：可以直接使用numpy數組來創建Series。

pd.Series()是創建Series的常用方法，格式如下：

pd.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

參數說明：

• data：這是必須的參數，可以是列表、數組、字典等，用于存儲Series中的數據。
• index：可選參數，用于指定索引標簽。如果不提供，則默認使用從0開始的整數索引。
• dtype：可選參數，用于指定數據類型。如果未指定，pandas會根據數據內容自動推斷數據類型。
• name：可選參數，用于給Series命名。命名后的Series在打印時會顯示名稱，方便識別。
• copy：可選參數，默認為False。如果為True，則會將數據復制到新的Series中，原始數據不受影響。
• fastpath：是否啟用快速路徑。默認為 False。啟用快速路徑可能會在某些情況下提高性能。

下面是幾個創建 Series 的實例：

3.1 使用列表創建Series

import pandas as pd
s1 = pd.Series([1, 2, 3, 4, 5])
print(s1)

輸出：

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

輸出結果說明：
第一列：0-4 為 索引值，默認從 0 開始；
第二列：1-5 為 數據；
dtype: int64 為該 Series 變量的數據類型；

3.2 使用字典創建Series

import pandas as pd
data = {'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5}
s2 = pd.Series(data)
print(s2)

輸出：

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

3.3 使用列表和自定義索引創建Series

import pandas as pd
labels = ['one', 'two', 'three', 'four', 'five']
s3 = pd.Series([1, 2, 3, 4, 5], index=labels)
print(s3)

輸出：

one      1
two      2
three    3
four     4
five     5
dtype: int64

3.4 指定數據類型和名稱

import pandas as pd
s4 = pd.Series([1.1, 2.2, 3.3, 4.4, 5.5], dtype=float, name='numbers')
print(s4)

輸出：

0    1.1
1    2.2
2    3.3
3    4.4
4    5.5
Name: numbers, dtype: float64

注意：
當使用字典創建Series時，如果字典的鍵不是有序的（如Python 3.7之前的字典），則Series的索引順序可能與字典的鍵插入順序不同。但在Python 3.7及以后的版本中，字典保持插入順序。
索引在Series中非常重要，它不僅用于標記數據，還用于數據的對齊和選擇。因此，在創建Series時，應仔細考慮索引的設置。
如果在創建Series時提供了與數據長度不一致的索引，pandas會自動對缺失的數據使用NaN（Not a Number）進行填充。
默認情況下，如果不指定索引，pandas會為Series創建一個從0開始的整數索引。這種索引被稱為“基于位置的索引”或“隱式索引”。在大多數情況下，這種索引對于數據分析和處理已經足夠。然而，在需要明確標記或選擇數據的情況下，可以手動指定索引標簽。

4. Series的索引/切片

4.1 下標索引：基于整數位置的索引

import pandas as pd# 創建一個默認的Series
s = pd.Series([10, 20, 30, 40, 50])# 使用基于位置的索引訪問數據
print(s[0])  
print(s[2:4])  

輸出：

10
2    30
3    40
dtype: int64

4.2 基于標簽的索引

在pandas的Series中，基于標簽的索引是一種強大的功能，它允許你通過Series的索引標簽來直接訪問或操作數據。這種索引方式特別適用于具有明確標簽（如股票名稱、日期等）的數據集。

當你創建一個Series并為其指定了索引時，你就可以使用這些索引標簽來訪問、修改或選擇數據。

下面是基于標簽索引的示例：
假設我們有一個Series，它包含了幾個股票在特定日期的收盤價，并使用了股票代碼作為索引標簽。

import pandas as pd# 創建一個帶有股票代碼作為索引的Series
stocks = pd.Series([100.5, 201.2, 150.8], index=['AAPL', 'MSFT', 'GOOGL'])# 使用基于標簽的索引訪問數據
print(stocks['AAPL'])  # 輸出: 100.5# 使用多個標簽選擇數據（返回一個Series）
subset = stocks[['AAPL', 'GOOGL']]
print(subset)
# 輸出:
# AAPL    100.5
# GOOGL   150.8
# dtype: float64# 修改基于標簽的索引的數據
stocks['AAPL'] = 101.0
print(stocks)
# 輸出:
# AAPL    101.0
# MSFT    201.2
# GOOGL   150.8
# dtype: float64

在上面的示例中，我們首先創建了一個Series對象stocks，其中包含了三個股票代碼（‘AAPL’, ‘MSFT’, ‘GOOGL’）和它們對應的收盤價。然后，我們使用這些股票代碼作為標簽來訪問和修改數據。

4.3 切片

與Python中的列表或NumPy數組類似，可以使用切片來訪問Series的子集。
無論是基于位置的索引還是基于標簽的索引，你都可以使用切片來訪問數據的子集。不過，當使用基于標簽的索引進行切片時，你需要確保切片的標簽在Series的索引中是存在的，并且它們是連續的。

# 使用自定義索引的Series
s = pd.Series([10, 20, 30, 40, 50], index=['A', 'B', 'C', 'D', 'E'])# 使用基于標簽的切片（只有當標簽連續時才有效）
print(s['A':'C'])  # 輸出: A    10#      B    20#      C    30# dtype: int64# 使用基于位置的切片（始終有效）
print(s[1:4])  # 輸出: B    20#      C    30#      D    40# dtype: int64

注意：如果基于標簽的切片中的標簽不連續或不存在于索引中，那么你會得到一個KeyError。如果你想要選擇不連續標簽的數據，你需要使用索引的loc屬性，并傳入一個標簽列表。

4.4 使用.loc[]和.iloc[]進行索引

對于更復雜的數據選擇或操作，你可以使用.loc[]方法。雖然對于單個標簽的訪問，直接使用標簽和.loc[]是等效的，但.loc[]在處理多個標簽或條件選擇時更加靈活。

• .loc[]：基于標簽的索引。
• .iloc[]：基于位置的索引（總是整數位置）。

# 使用.loc[]基于標簽索引
print(s.loc['A':'C'])# 使用.iloc[]基于位置索引
print(s.iloc[1:4])

輸出：

A    10
B    20
C    30
dtype: int64
B    20
C    30
D    40
dtype: int64

.loc[]和.iloc[]提供了更明確和靈活的索引方式，特別是在處理復雜的數據集時。

5. 基本運算

在pandas庫中，Series對象支持多種基本運算，這些運算包括算術運算、比較運算和邏輯運算。
以下是關于Series基本運算的詳細解釋：

5.1 算術運算

算術運算包括加、減、乘、除等基本操作。
在pandas中，Series對象之間可以直接進行這些運算，且pandas會自動處理索引對齊。

5.1.1 加法（+）

兩個Series相加時，相同索引位置的元素會相加。如果兩個Series長度相同且索引一致，則直接對應相加；如果長度不同或索引不完全對應，結果的索引將是兩個Series索引的并集，不存在的索引將填充為NaN（表示非數字）。

示例：

import pandas as pd
s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['a', 'b', 'c'])
result_add = s1 + s2
print(result_add)  # 輸出：a    5, b    7, c    9, dtype: int64

• 減法（-）、乘法（*）、除法（/）：這些運算與加法類似，都是基于索引進行對應元素的運算。

5.2 比較運算

比較運算用于比較兩個Series的元素值，包括等于（==）、不等于（!=）、大于（>）、小于（<）、大于等于（>=）和小于等于（<=）等。這些運算會返回一個布爾類型的Series，表示每個元素比較的結果。

示例：

s1 = pd.Series([1, 2, 3])
s2 = pd.Series([2, 2, 2])
result_eq = s1 == s2  # 比較是否相等
print(result_eq)  # 輸出：0    False, 1     True, 2    False, dtype: bool

5.3 邏輯運算

邏輯運算在pandas中主要用于合并布爾Series。但請注意，直接對兩個Series對象進行邏輯運算（如and、or）在pandas中并不直接支持，因為這會引發錯誤。相反，你應該使用按元素比較產生的布爾Series，并使用&（邏輯與）和|（邏輯或）等操作符進行邏輯運算。

示例：

s1_gt_1 = s1 > 1  # s1中大于1的元素
s2_lt_2 = s2 < 2  # s2中小于2的元素
result_logical = s1_gt_1 & s2_lt_2  # 邏輯與運算
print(result_logical)  # 輸出：0    False, 1    False, 2    False, dtype: bool

在這個例子中，由于s1和s2中沒有同時滿足s1 > 1和s2 < 2的元素，所以結果全為False。

pandas的Series對象支持豐富的運算操作，包括算術運算、比較運算和邏輯運算。這些運算都是基于索引進行的，能夠方便地處理和分析數據。在實際應用中，可以根據需要選擇合適的運算操作來處理和分析數據。

6. 基本屬性和方法

• 屬性：包括values（數據值）、index（索引）、dtype（數據類型）、name（名稱）等。
• 方法：提供了許多用于數據操作和分析的方法，如mean()（計算平均值）、std()（計算標準差）、unique()（返回唯一值）等。

下面是基本屬性和方法的示例：

6.1 基本屬性示例

首先，創建一個Series對象

import pandas as pds = pd.Series([100, 150, 110, 130, 150, 150], index=['語文', '數學', '英語', 'Python', 'Pandas', 'NumPy'],name="考試成績")

下面，是訪問的基本屬性：

• shape：返回Series的形狀（通常是一個元組，對于Series來說，通常只有一個元素表示長度）

print(s.shape)  # 輸出: (6,)

• size：返回Series的長度

print(s.size)  # 輸出: 6

• index：返回Series的索引

print(s.index)  # 輸出: Index(['語文', '數學', '英語', 'Python', 'Pandas', 'NumPy'], dtype='object')

• values：返回Series的值

print(s.values)  # 輸出: array([100, 150, 110, 130, 150, 150], dtype=int64)

• name：返回Series的名稱

print(s.name)  # 輸出: 考試成績

6.2 基本方法示例

• head()：查看前幾條數據，默認5條

print(s.head())  # 輸出前5條數據

• tail()：查看后幾條數據，默認5條

print(s.tail())  # 輸出后5條數據

• describe：返回描述統計信息

print(s.describe()) 

輸出：

count      6.000000
mean     131.666667
std       22.286020
min      100.000000
25%      115.000000
50%      140.000000
75%      150.000000
max      150.000000
Name: 考試成績, dtype: float64

• idxmax：獲取最大值和最小值的索引

print(s.idxmax())   # 輸出：數學
print(s.idxmin())   # 輸出：語文

• dtype：數據類型

print(s.dtype)    # 輸出：int64

• sum：求和

print(s.sum())  # 輸出：790

• mean：平均值

print(s.mean())   # 輸出：131.66666666666666

• max：最大值

print(s.max())  # 輸出：150

• min：最小值

print(s.min())   # 輸出：100

• std：標準差

print(s.std()) # 輸出：22.28601953392904

• astype：將 Series 轉換為另一種數據類型

s = s.astype('float64')  # 將 Series 中的所有元素轉換為 float64 類型

6.3 檢測缺失數據的方法

雖然在這個示例中沒有缺失數據，但我們可以演示如何使用isnull()和notnull()方法。

s_with_missing = pd.Series([100, 150, None, 130, 150, 150], index=['語文', '數學', '英語', 'Python', 'Pandas', 'NumPy'],name="考試成績")print(s_with_missing.isnull())  # 輸出布爾序列，表示哪些位置是缺失值

以上展示了pandas.Series的一些基本屬性和方法。這些屬性和方法提供了靈活且強大的工具來操作和分析一維數據。通過結合索引、值和屬性，我們可以有效地處理數據并執行各種操作。

7. 金融方面的幾個series示例

在金融領域，Series 可以用于存儲和處理各種金融數據，如股票價格、收益率、交易量等。以下是幾個與金融相關的 Series 示例：

7.1 示例一：股票價格數據

import pandas as pd# 假設有以下股票數據
data = {'日期': ['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04', '2023-01-05'],'收盤價': [100.0, 101.5, 102.1, 100.8, 103.0]}# 將數據轉換為pandas的DataFrame，然后選取'收盤價'列轉換為Series
df = pd.DataFrame(data)
stock_prices = df.set_index('日期')['收盤價']# 顯示Series
print(stock_prices)

輸出：

日期
2023-01-01    100.0
2023-01-02    101.5
2023-01-03    102.1
2023-01-04    100.8
2023-01-05    103.0
Name: 收盤價, dtype: float64

7.2 示例二：收益率數據

# 假設有以下收益率數據
dates = pd.date_range(start='2023-01-01', periods=5)
returns = pd.Series([0.01, 0.015, -0.005, 0.003, 0.02], index=dates)# 顯示Series
print(returns)

輸出：

2023-01-01    0.01
2023-01-02    0.02
2023-01-03   -0.01
2023-01-04    0.00
2023-01-05    0.02
dtype: float64

7.3 示例三：交易量數據

# 假設有以下交易量數據
trade_dates = pd.date_range(start='2023-01-01', periods=4, freq='B')  # 只包括工作日
volumes = pd.Series([10000, 12000, 9800, 11500], index=trade_dates)# 顯示Series
print(volumes)

輸出：

2023-01-02    10000
2023-01-03    12000
2023-01-04     9800
2023-01-05    11500
dtype: int64

這些示例展示了如何使用 pandas 中的 Series 來存儲和處理金融數據。在實際應用中，這些數據可能來自多種來源，如數據庫、API、文件等。處理這些數據時，可能會涉及到數據清洗、轉換、分析和可視化等多個步驟。通過使用 Series 的各種屬性和方法，可以方便地進行這些操作，為金融分析和決策提供支持。

8. 總結

pandas的Series數據結構提供了一種靈活且功能強大的方式來存儲和處理一維數據。通過顯式索引的引入，Series提供了更多的數據處理和分析選項，使其成為數據分析師和數據科學家的重要工具。