1、系列(Series)是能够保存任何类型的数据(整数，字符串，浮点数，Python对象等)的一维标记数组。轴标签统称为索引。
Pandas系列可以使用以下构造函数创建 -
pandas.Series( data, index, dtype, copy)。
| 1 | data | 数据采取各种形式，如：ndarray，list，constants |
| 2 | index | 索引值必须是唯一的和散列的，与数据的长度相同。 默认np.arange(n)如果没有索引被传递。 |
| 3 | dtype | dtype用于数据类型。如果没有，将推断数据类型 |
| 4 | copy | 复制数据，默认为false。 |
可以使用各种输入创建一个系列，如 数组、字典、标量值、或、常数
2、
import numpy as np
from scipy import linalg as lg
import pandas as pd
s = pd.Series()#创建一个基本系列是一个空系列
print(s)#Series([], dtype: float64) data = np.array(['a','b','c','d'])
s = pd.Series(data)#如果数据是ndarray，则传递的索引必须具有相同的长度。
# 如果没有传递索引值，那么默认的索引将是范围(n)，其中n是数组长度
print (s)
# 0 a
# 1 b
# 2 c
# 3 d
# dtype: object data = np.array(['a','b','c','d'])
s = pd.Series(data,index=[100,101,102,103])#在这里传递了索引值。现在可以在输出中看到自定义的索引值
print (s)
# 100 a
# 101 b
# 102 c
# 103 d
# dtype: object data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data)#字典(dict)可以作为输入传递，如果没有指定索引，则按排序顺序取得字典键以构造索引。
# 如果传递了索引，索引中与标签对应的数据中的值将被拉出。
print (s)
# a 0.0
# b 1.0
# c 2.0
# dtype: float64 data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data,index=['b','c','d','a'])#注意观察 - 索引顺序保持不变，缺少的元素使用NaN(不是数字)填充
print (s)
# b 1.0
# c 2.0
# d NaN
# a 0.0
# dtype: float64 s = pd.Series(5, index=[0, 1, 2, 3])#如果数据是标量值，则必须提供索引。将重复该值以匹配索引的长度
print (s)
# 0 5
# 1 5
# 2 5
# 3 5
# dtype: int64 s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
#retrieve the first element
# 系列中的数据可以使用类似于访问ndarray中的数据来访问。
# 检索第一个元素。比如已经知道数组从零开始计数，第一个元素存储在零位置等等
print (s[0])# s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
#retrieve the first three element
# 检索系列中的前三个元素。 如果a:被插入到其前面，则将从该索引向前的所有项目被提取。
# 如果使用两个参数(使用它们之间)，两个索引之间的项目(不包括停止索引)
print (s[:3])
# a 1
# b 2
# c 3
# dtype: int64 s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
#retrieve a single element
#一个系列就像一个固定大小的字典，可以通过索引标签获取和设置值。
print (s['a'])# s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
#retrieve multiple elements 使用索引标签值列表检索多个元素。 如果不包含标签，则会出现异常。
print (s[['a','c','d']])
# a 1
# c 3
# d 4
# dtype: int64