Python中Series常用方法有哪些

Series是pandas库中用于存储一维带标签数据的核心数据结构，它由一组数据和一组与之对应的索引组成，既可以通过位置索引访问数据，也可以通过自定义的标签索引访问数据，在日常的数据清洗、分析和预处理工作中使用频率非常高。

Series基础属性查看方法

创建Series之后，首先可以通过基础属性快速了解数据的基本情况，常用的属性如下：

• values：返回Series中的数据部分，以numpy数组形式呈现
• index：返回Series的索引对象
• dtype：返回Series中数据的数据类型
• shape：返回Series的形状，一维数据返回长度元组
• name：返回Series的名称，可自定义设置

以下是属性查看的示例代码：

import pandas as pd
import numpy as np

# 创建示例Series
s = pd.Series([10, 20, 30, 40], index=['a', 'b', 'c', 'd'], name='score')
# 查看数据部分
print(s.values)
# 查看索引
print(s.index)
# 查看数据类型
print(s.dtype)
# 查看形状
print(s.shape)
# 查看名称
print(s.name)

Series索引相关方法

基础索引访问

Series支持两种索引方式，分别是位置索引和标签索引，也可以通过切片操作获取部分数据：

import pandas as pd

s = pd.Series([10, 20, 30, 40], index=['a', 'b', 'c', 'd'])
# 位置索引，获取第一个元素
print(s[0])
# 标签索引，获取索引为b的元素
print(s['b'])
# 切片操作，位置切片左闭右开
print(s[1:3])
# 标签切片左闭右闭
print(s['b':'d'])

索引修改与重置

如果需要修改Series的索引，可以直接对index属性赋值，也可以通过reindex方法重新指定索引，不存在的索引位置会自动填充缺失值：

import pandas as pd
import numpy as np

s = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
# 直接修改索引
s.index = ['x', 'y', 'z']
print(s)
# 使用reindex重新指定索引，新增的索引位置填充NaN
new_s = s.reindex(['x', 'y', 'z', 'm'])
print(new_s)

Series数据统计方法

Series内置了丰富的统计计算相关方法，无需额外编写复杂逻辑即可完成常见统计需求：

以下是统计方法的示例代码：

import pandas as pd
import numpy as np

s = pd.Series([10, 20, 30, 40, 50])
# 计算总和
print(s.sum())
# 计算均值
print(s.mean())
# 计算最大值
print(s.max())
# 计算最小值
print(s.min())
# 获取统计摘要
print(s.describe())

Series缺失值处理方法

实际数据处理中经常会遇到缺失值，Series提供了对应的方法处理缺失值：

• isnull()：返回布尔型Series，缺失值位置为True
• notnull()：返回布尔型Series，非缺失值位置为True
• dropna()：删除所有包含缺失值的行
• fillna(value)：用指定值填充所有缺失值

示例代码如下：

import pandas as pd
import numpy as np

s = pd.Series([10, np.nan, 30, np.nan, 50])
# 判断缺失值
print(s.isnull())
# 判断非缺失值
print(s.notnull())
# 删除缺失值
print(s.dropna())
# 用0填充缺失值
print(s.fillna(0))

Series数据运算方法

Series支持常见的算术运算，运算时会按照索引对齐数据，索引不匹配的位置会生成缺失值：

import pandas as pd

s1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
s2 = pd.Series([4, 5, 6], index=['b', 'c', 'd'])
# 加法运算，索引对齐后计算
print(s1 + s2)
# 乘法运算
print(s1 * 2)

Series数据排序方法

Series的排序分为按索引排序和按值排序两种：

• sort_index(ascending=True)：按索引排序，ascending控制升序降序
• sort_values(ascending=True)：按值排序，ascending控制升序降序

示例代码如下：

import pandas as pd

s = pd.Series([30, 10, 40, 20], index=['c', 'a', 'd', 'b'])
# 按索引升序排序
print(s.sort_index())
# 按值降序排序
print(s.sort_values(ascending=False))

PythonSeriespandas数据处理数据结构修改时间：2026-07-16 20:48:36