Pandas.Series 笔记以及遇到的坑

官方详细介绍

Series 用于存储一列有索引的数据，相当于只有一列的一维阵列。

创建

pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)
参数：
data：要创建的数据，列表、字典等可迭代对象，以及按顺序存储的数据均可（必填）。
index：索引标签，可使用默认值（默认值是数字0，1，2…），如果设置索引，索引数据长度必须与第一个参数data相同。
dtype：指定输出数据的类型，比如‘str’，可以使用默认值，程序将自己根据原始数据推断类型。
name：数据的名称。（print(s.name) 会输出这个参数的值，如果在DataFrame中也就是列名。）
copy： 赋值输入的数据；（很少用到）
fastpath：快捷路径。（官方文档也没介绍，鬼知道什么用）
注：
1、index 索引不必是唯一的，但必须是一个不可变的类型。比如字符串、数组等
2、Series 既支持基于整数的索引(s[1])，也支持基于标签的索引s[index]
3、ndarray的统计方法和排除数据的方法都可以使用与Series

举例：

1、导入模块，创建 Series

import pandas
import numpy
cba = pandas.Series(data=[1, 3, 9, 3, 5], index=['a', 'b', 'a', 'c', 'd'], dtype='float64', name='abc')
print(cba)  # 输出数据
[output]
a    1.0
b    3.0
a    9.0
c    3.0
d    5.0
Name: abc, dtype: float64

原本都是int数字，但是被强制转换了float； 可以看到：Name: abc（列名）
2、切片获取元素

print('cba[2]---', cba[2])  # 获取单个元素
print('--'*10)  # 分割线
print('cba[0:2]---', type(cba[0:2]), "\n", cba[0:2])  # 获取多个元素
print('--'*10)  # 分割线
print('cba.iloc[0:2]---', "\n", cba.iloc[0:2])  # iloc也同样好用
print('--'*10)  # 分割线
print('cba.["a"]---', "\n", cba['a'])  # 使用索引标签获取元素
print('--'*10)  # 分割线
print('cba.[["a", "c"]]---', "\n", cba[["a", "c"]])  # 获取多个元素
print('--'*10)  # 分割线
print('cba.loc[["a", "c"]]---', "\n", cba.loc[["a", "c"]])  # loc也同样好用

[output]
cba[2]--- 9.0
--------------------
cba[0:2]--- <class 'pandas.core.series.Series'> 
 a    1.0
b    3.0
Name: abc, dtype: float64
--------------------
cba.iloc[0:2]--- 
 a    1.0
b    3.0
Name: abc, dtype: float64
--------------------
cba.["a"]--- 
 a    1.0
a    9.0
Name: abc, dtype: float64
--------------------
cba.[["a", "c"]]--- 
 a    1.0
a    9.0
c    3.0
Name: abc, dtype: float64
--------------------
cba.loc[["a", "c"]]--- 
 a    1.0
a    9.0
c    3.0
Name: abc, dtype: float64

这里需要注意的是，使用数字和索引标签切片都可以获取一个元素，但是数字切边必然是一个元素，但是索引标签就不一定了，如果有重复的索引标签，那么获取的到数据仍然是一个Series；获取多个元素的切片结果也是Series；
3、修改数据

cba[2] = cba[2] + 10
print(cba[2])
[output]
19.0

目前是数据是int格式，如果是字符串呢？再换个数据：

data = ['TMJT20012278',
		'TMJT20012278',
		'TMJT20012278-B1',
		'TMJT20012278-B2',
		'TMJT20012764',
		'ZJJT20011910-B1',
		'ZJJT20011910-B2']
cba = pandas.Series(data=data, index=['a', 'b', 'a', 'c', 'd', 'c', 'd'], dtype='str', name='abc')
print(cba[1])
cba[1] = cba[1] + 'lll'
print(cba[1])
print('--'*10)  # 分割线
print(cba['b'])
cba['b'] = cba['b'] + 'kkk'
print(cba['b'])
print('--'*10)  # 分割线
[output]
TMJT20012278
TMJT20012278lll
--------------------
TMJT20012278lll
TMJT20012278lllkkk
--------------------

目前为止一切正常，但是坑来了。

一个小坑

上面的字符串修改元素只是简单的索引修改，实际应用中数据是很多的，可能需要遍历来修改：

print(cba.index)
for r in cba.index:
    print(cba[r])
    cba[r] = cba[r].partition('-B')[0] # 切割元素为三段，只取第一段
[output]
Index(['a', 'b', 'a', 'c', 'd', 'c', 'd'], dtype='object')
a       TMJT20012278
a    TMJT20012278-B1
Name: abc, dtype: object
AttributeError: 'Series' object has no attribute 'partition'

咦? 报错？ 前面的例子中使用索引是可以取出元素并且重新修改赋值的呀！其实这是个低级错误，因为索引有重复索引，重复索引取出来的数据是Series，而上面元素修改的时候用到了partition（）这是个str的方法，不能用在Series格式数据中。

一个大坑

上面这个数据是我目前开发项目中截取了几个值，原本的数据是一个excel表格（几万行），用pandas取出，格式为DataFrame格式，想取出DataFrame中取出一列数据（数据格式str，上面这个例子），原本是想把这一组数据找出带有‘-B’的数据，去掉‘-B’及其后面的字符，除了遍历也没有找到快捷的方法。
截取原始数据：

data = ['TMJT20012278',
'TMJT20012278',
'TMJT20012278-B1',
'TMJT20012278-B2',
'TMJT20012764',
'ZJJT20011910-B1',
'ZJJT20011910-B2']  # 这里只能先截取一段了，原始数据是从DataFrame中的一列，上万行
cba = pandas.Series(data=data)
for r in cba.index:
    if cba[r].find("-B") >= 0:
        cba[r] = cba[r].partition('-B')[0]
        print(cba[r])
[output]
SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame

出错了，出错的原因就指向 cba[r] = cba[r].partition(’-B’)[0] 这行，说我试图设置来自于 DataFrame的片，什么原因呀？我原始数据是来自于DataFrame不错，但是我已经使用：data = self.all_data.loc[:, ‘订单号’] 取出来了。最终也没搞明白，为何会这样报错，我把这个问题归结为，修改元素方法的问题，Series 修改元素有很多方式，除了上面的方法，还有一个s.values[index] = xxx，同样的方式，把上面的代码修改为：

data = ['TMJT20012278',
'TMJT20012278',
'TMJT20012278-B1',
'TMJT20012278-B2',
'TMJT20012764',
'ZJJT20011910-B1',
'ZJJT20011910-B2']  # 这里只能先截取一段了，原始数据是从DataFrame中的一列，上万行
cba = pandas.Series(data=data)
for r in cba.index:
    if cba[r].find("-B") >= 0:
        cba.values[r] = cba[r].partition('-B')[0]  # 用values修改不会报错！
        print(cba[r])
 [output]
'TMJT20012278',
'TMJT20012278',
'TMJT20012278-B1',
'TMJT20012278-B2',
'TMJT20012764',
'ZJJT20011910-B1',
'ZJJT20011910-B2'

顺利通过！
至于报错的最终原因，只能说好像是修改数据方法的问题，因为直接复制我上面的代码去测试，不会报出我那个错误，但是放到我真实的开发项目中，因为data是从一个DataFrame中取出的一列，虽然是Series格式了，是不是还带有一些DataFrame的属性，Series重新给元素赋值的方法是覆numpy和DataFrame的，而data是DataFrame身上割下来的，是不是还恋恋不舍仍然认为自己是DataFrame，就只能用values来重新赋值？哈哈