1. Series

  1. 创建： class pandas.Series(data=None, index=None, dtype=None, name=None, copy=False,fastpath=False):

    参数：

    • data：它可以是一个字典、array-like、标量。表示Series包含的数据，如果是序列/数组，则它必须是一维的
    • 如果是字典，则字典的键指定了label。如果你同时使用了index，则以index为准。
    • 如果是标量，则结果为：该标量扩充为index长度相同的列表。
    • index：一个array-like或者一个Index对象。它指定了label。其值必须唯一而且hashable，且长度与data一致。如果data是一个字典，则index将会使用该字典的key（此时index不起作用）。如果未提供，则使用np.arange(n)。
    • name：一个字符串，为Series的名字。
    • dtype：指定数据类型。如果为None，则数据类型被自动推断
    • copy：一个布尔值。如果为True，则拷贝输入数据data

    create

  2. 还可以通过类方法创建Series：Series.from_array(arr, index=None, name=None, dtype=None, copy=False, fastpath=False)：其中arr可以是一个字典、array-like、标量。其他参数见1.

  3. 我们可以将Series转换成其他数据类型：

    • .to_dict()：转换成字典，格式为{label->value}
    • .to_frame([name])：转换成DataFrame。name为Index的名字
    • .tolist()：转换成列表

    transform

  4. 可以将Series转换成字符串：

    1.   .to_string(buf=None, na_rep='NaN', float_format=None, header=True, index=True, 
    3.   length=False, dtype=False, name=False, max_rows=None)
    • buf：一个StringIO-like对象，是写入的buffer
    • na_rep：一个字符串，代表数值NaN
    • float_format：浮点数的格式化函数。应用于浮点列
    • header：一个布尔值。如果为True，则添加头部信息（index name）
    • index：一个布尔值。如果为True，则添加index labels
    • length：一个布尔值。如果为True，则添加Series的长度信息
    • dtype：一个布尔值。如果为True，则添加dtype信息
    • name：一个布尔值。如果为True，则添加Series name
    • max_rows：一个整数值，给出了最大转换的行数。如果为None，则转换全部。

    返回转换后的字符串。 to_string