数据结构-Series

Pandas 一维核心容器：Series 数据结构与索引机制深度精讲

小象实战讲义 · Python数据分析实战

在 Python 数据科学与商业数据分析体系中，Pandas 是最为核心、应用最广泛的结构化数据处理库。而在 Pandas 的底层对象模型中，Series 则是最基础的一维带标签数组（One-Dimensional Labeled Array）。与传统的 Python 原生列表（List）或 NumPy 的一维多维数组（ndarray）相比，Series 不仅能够存储同质或异质的各种数据类型（整数、浮点数、字符串、时间戳、Python 对象等），更关键的是它自带显式的轴向索引（Index 标签）。这种“数据 + 标签”绑定的复合物理结构，使得数据检索、子集切片以及多数据集自动对齐变得极其直观、高效与安全。本节我们将深入剖析 Series 的底层架构、多种构造范式以及核心属性。

💡 核心导读

• Series 的底层本质模型：由一维数据数组（values）与轴向标签索引（index）紧密绑定的复合数据结构。
• 四大常用创建范式全景：
  • 基于 Python 原生列表或元组创建（默认生成 0 开始的 RangeIndex）；
  • 基于标量常数广播创建（自动填充指定长度）；
  • 基于 Python 字典（Dict）直接构建（字典的 Key 自动映射为 Index，Value 自动映射为数据）；
  • 基于 NumPy ndarray 零拷贝/高性能构建。
• 三大关键核心属性与元数据：s.values（底层 NumPy 数组）、s.index（索引对象）与 s.name / s.index.name（数据集与坐标轴名称）。
• 向量化与广播计算能力：完全继承 NumPy 高性能特性，告别显式 Python 循环。

1. Series 的内部架构与多种构造范式

Series 的逻辑结构可以直观理解为一个“固定长度、带顺序、内存连续的增强型键值字典”：

┌─────────────────────────────────────────────────────────────┐
│                     Pandas Series 物理架构                  │
├──────────────────────────────┬──────────────────────────────┤
│ 显式索引 (Index 标签)        │ 数据数组 (Values 连续内存)   │
├──────────────────────────────┼──────────────────────────────┤
│ 'Beijing'                    │ 2154.2  (万人)               │
│ 'Shanghai'                   │ 2487.1                       │
│ 'Guangzhou'                  │ 1867.7                       │
│ 'Shenzhen'                   │ 1756.0                       │
├──────────────────────────────┴──────────────────────────────┤
│  • s.name = 'City_Population' (数据集名称)                  │
│  • s.index.name = 'City'      (索引列名称)                  │
│  • s.dtype = float64          (底层数据类型)                │
└─────────────────────────────────────────────────────────────┘

与普通 Python 字典相比，Series 的底层数据存储在连续的 NumPy 内存块中，能够享受向量化运算的硬件加速，同时保留了通过具名标签快速检索的便利性。

# 示例 1：Series 的多种构建方式实战

import pandas as pd
import numpy as np

# 1. 从 Python 原生列表构建 (默认生成 0, 1, 2... RangeIndex)
cities = ["北京", "上海", "广州", "深圳"]
populations = [2154.2, 2487.1, 1867.7, 1756.0]

s_default = pd.Series(populations)
print("=== 1. 默认整数索引 Series ===")
print(s_default)

# 2. 指定自定义显式索引与元数据
s_cities = pd.Series(populations, index=cities, name="常住人口(万人)")
s_cities.index.name = "城市"
print("\n=== 2. 自定义索引与元数据命名 ===")
print(s_cities)

# 3. 直接由 Python 字典构建 (Key 自动转为 Index)
gdp_dict = {"北京": 43760, "上海": 47218, "深圳": 34606, "广州": 30355}
s_gdp = pd.Series(gdp_dict, name="城市GDP(亿元)")
print("\n=== 3. 从字典构建 Series ===")
print(s_gdp)

# 4. 字典 + 指定新索引 (自动触发重排与 NaN 缺失值填充)
target_cities = ["北京", "上海", "杭州", "成都"]
s_reindexed = pd.Series(gdp_dict, index=target_cities, name="目标城市GDP")
print("\n=== 4. 字典重建索引与自动填充 NaN ===")
print(s_reindexed)

2. Series 核心属性与向量化广播运算

Series 不仅提供了强大的元数据管理能力，还完全继承了 NumPy 的矢量运算特性。当对 Series 进行加减乘除或标量运算时，Pandas 会自动应用到其内部的每一个元素上，而无需编写低效的 for 循环。更强大的是，当两个 Series 进行运算时，系统会自动基于共同的索引标签进行对齐计算。

# 示例 2：Series 核心属性读取与基础运算

# 1. 访问 values 与 index 属性
print("=== 5. Series 核心属性探查 ===")
print("• 底层数据 (values):", s_cities.values, "| 类型:", type(s_cities.values))
print("• 索引对象 (index):", s_cities.index)
print("• 数据类型 (dtype):", s_cities.dtype)
print("• 元素数量 (size):", s_cities.size)

# 2. 向量化算术运算与广播
# 将人口单位从万人转换为人
s_pop_exact = s_cities * 10000
print("\n=== 6. 向量化乘法 (广播机制) ===")
print(s_pop_exact)

# 3. 计算人均 GDP (两个 Series 基于共同城市标签自动对齐)
per_capita_gdp = (s_gdp * 100000000) / (s_cities * 10000)
print("\n=== 7. 两组 Series 索引自动对齐计算人均GDP(元) ===")
print(per_capita_gdp.round(2))

📝 动手练一练

1. 概念思考题：当使用字典创建 Series 并额外传入一个包含了字典中不存在的 Key 的 index 列表时，Pandas 会如何处理这个缺失的项？底层会赋予什么特殊值？

   👉 点击查看参考答案

   参考答案： Pandas 会以传入的 index 列表为主干进行对齐。对于字典中原本存在的 Key 会提取对应的值；对于字典中不存在的 Key，Pandas 会自动将其值填充为浮点型的缺失值占位符 NaN（Not a Number），并将 Series 的整体 dtype 自动提升为 float64。

2. 编程练习：创建一个记录某咖啡店一周（周一到周日）美式咖啡销量的 Series，索引为 ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']，销量自定，并为 Series 和 Index 分别命名为 'Coffee_Sales' 和 'Day'。

   👉 点击查看参考答案

   参考答案：

   import pandas as pd
   
   sales_data = [120, 135, 110, 145, 190, 260, 240]
   days = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
   
   coffee_series = pd.Series(sales_data, index=days, name='Coffee_Sales')
   coffee_series.index.name = 'Day'
   print(coffee_series)

本章小结

• 深刻理解了 Series 作为一维带标签数组的物理模型与数据结构；
• 掌握了从列表、字典、标量和 ndarray 等多种途径构建 Series 的核心语法；
• 掌握了 values、index、name 等核心属性与基础向量化计算。

📋 行动清单

• 在本地执行示例代码，观察控制台输出并记录关键指标。
• 做好准备，进入下一小节学习《Pandas 二维核心容器：DataFrame 数据结构》！

—— 小象教研组