作者：lianghc
Series 是pandas两大数据结构中（DataFrame，Series）的一种。使用pandas 前需要将pandas 模块引入，因为Series和DataFrame用的次数非常多，所以将其引入本地命名空间中会更方便。
from pandas import Series, DataFrame
import pandas as pd因此，一般在代码中看到pd.，都指的是pandas。
1.创建Series
Series的定义：Series是一种类似于一维数组的对象，它由一组数据（各种NumPy数据类型）以及一组与之相关的数据标签（即索引）组成。
Series对象本质上是一个NumPy的数组，因此NumPy的数组处理函数可以直接对Series进行处理。但是Series除了可以使用位置作为下标存取元素之外，还可以使用标签下标存取元素，这一点和字典相似。每个Series对象实际上都由两个数组组成：
index: 它是从NumPy数组继承的Index对象，保存标签信息。
values: 保存值的NumPy数组。
注意三点：
1. Series是一种类似于一维数组（数组：ndarray）的对象
2. 它的数据类型没有限制（各种NumPy数据类型）
3. 它有索引，把索引当做数据的标签（key）看待，这样就类似字典了（只是类似，实质上市数组）
4.Series同时具有数组和字典的功能，因此它也支持一些字典的方法
创建数组，例如：
In [1]:arr=[1,2,3,4] #创建数组
In [2]:arr
Out[2]: [1, 2, 3, 4]
创建Series:
series_1=Series(arr)
series_1
Out[146]:
0 1
1 2
2 3
3 4
dtype: int64
series_2=Series([1,2,3,4])
series_2
Out[148]:
0 1
1 2
2 3
3 4
dtype: int64创建包含多种数据类型的Series：
series_3=Series([1,2,'3',4,'a']) <span style="font-family: Arial, Helvetica, sans-serif;">#包含数字和字符串</span>
series_3
Out[150]:
0 1
1 2
2 3
3 4
4 a
dtype: object #类型变成了字符串2.Series索引
Series创建后会自动生成索引，默认从0开始
可以指定和修改索引
In [154]: series_4.index=['a','b','c']
In [155]: series_4
Out[155]:
a 1
b 2
c 3修改索引除了这里的直接修改还有一个reindex()方法。
3.Series增删改查
Series创建后可以对数据进行增删改查
3.1 增：
Series的add()方法是加法计算不是增加Series元素用的。
使用append连接其他Series
3.2删：
In [162]: series_4.drop('a')
Out[162]:
b 2
c 3
dtype: int643.3 改：
In [170]: series_4['a']=4
In [171]: series_4
Out[171]:
a 4
b 2
c 3
dtype: int643.4 查：
通过索引查单值
In [172]: series_4['a']
Out[172]: 4通过索引序列查多值：
series_4[['a','b']]
Out[174]:
a 4
b 2
dtype: int64通过布尔类型索引筛选：
In [175]: series_4[series_4>2]
Out[175]:
a 4
c 3
dtype: int64通过位置切片和标签切片查询数据：
series_4
Out[194]:
a 4
b 2
c 3
dtype: int64
series_4[:2]
Out[195]:
a 4
b 2
dtype: int64
series_4['a':'c']
Out[196]:
a 4
b 2
c 3
dtype: int644.通过字典创建Series
series_5=Series({'a':1,'b':2,'c':3})
series_5
Out[201]:
a 1
b 2
c 3
dtype: int64其他可参考这篇文章：Pandas中兼并数组和字典功能的Series