Series 结构，也称 Series 序列，是 Pandas 常用的数据结构之一，它是一种类似于一维数组的结构，由一组数据值（value）和一组标签组成，其中标签与数据值之间是一一对应的关系。

Series 可以保存任何数据类型，比如整数、字符串、浮点数、Python 对象等，它的标签默认为整数，从 0 开始依次递增。Series 的结构图，如下所示：

  通过标签我们可以更加直观地查看数据所在的索引位置。
创建Series对象 Pandas 使用 Series()  函数来创建 Series 对象，通过这个对象可以调用相应的方法和属性，从而达到处理数据的目的：
import pandas as pd s=pd.Series( data, index, dtype, copy) 参数说明如下所示：

参数名称 描述
data   输入的数据，可以是列表、常量、ndarray 数组等。  
index   索引值必须是惟一的，如果没有传递索引，则默认为 np.arrange(n)。  
dtype   dtype表示数据类型，如果没有提供，则会自动判断得出。  
copy   表示对 data 进行拷贝，默认为 False。  

我们也可以使用数组、字典、标量值或者 Python 对象来创建 Series 对象。下面展示了创建 Series 对象的不同方法： 1) 创建一个空Series对象 使用以下方法可以创建一个空的 Series 对象，如下所示： import pandas as pd #输出数据为空 s = pd.Series() print(s) 输出结果如下：

Series([], dtype: float64)

2) ndarray创建Series对象 ndarray 是 NumPy 中的数组类型，当 data 是 ndarry 时，传递的索引必须具有与数组相同的长度。假如没有给 index 参数传参，在默认情况下，索引值将使用是 range(n) 生成，其中 n 代表数组长度，如下所示：

[0,1,2,3…. range(len(array))-1]

使用默认索引，创建 Series 序列对象： import pandas as pd import numpy as np data = np.array(['a','b','c','d']) s = pd.Series(data) print (s) 输出结果如下： 0 a 1 b 2 c 3 d dtype: object 上述示例中没有传递任何索引，所以索引默认从 0 开始分配 ，其索引范围为 0 到len(data)-1，即 0 到 3。这种设置方式被称为“隐式索引”。

除了上述方法外，你也可以使用“显式索引”的方法定义索引标签，示例如下： import pandas as pd import numpy as np data = np.array(['a','b','c','d']) #自定义索引标签（即显示索引） s = pd.Series(data,index=[100,101,102,103]) print(s) 输出结果： 100 a 101 b 102 c 103 d dtype: object 3) dict创建Series对象 您可以把 dict 作为输入数据。如果没有传入索引时会按照字典的键来构造索引；反之，当传递了索引时需要将索引标签与字典中的值一一对应。

下面两组示例分别对上述两种情况做了演示。

示例1，没有传递索引时： import pandas as pd import numpy as np data = {'a' : 0., 'b' : 1., 'c' : 2.} s = pd.Series(data) print(s) 输出结果： a 0.0 b 1.0 c 2.0 dtype: float64 示例 2，为index参数传递索引时： import pandas as pd import numpy as np data = {'a' : 0., 'b' : 1., 'c' : 2.} s = pd.Series(data,index=['b','c','d','a']) print(s) 输出结果： b 1.0 c 2.0 d NaN a 0.0 dtype: float64 当传递的索引值无法找到与其对应的值时，使用 NaN（非数字）填充。 4) 标量创建Series对象 如果 data 是标量值，则必须提供索引，示例如下： import pandas as pd import numpy as np s = pd.Series(5, index=[0, 1, 2, 3]) print(s) 输出如下： 0 5 1 5 2 5 3 5 dtype: int64 标量值按照 index 的数量进行重复，并与其一一对应。 访问Series数据 上述讲解了创建 Series 对象的多种方式，那么我们应该如何访问 Series 序列中元素呢？分为两种方式，一种是位置索引访问；另一种是索引标签访问。
1) 位置索引访问 这种访问方式与 ndarray 和 list 相同，使用元素自身的下标进行访问。我们知道数组的索引计数从 0 开始，这表示第一个元素存储在第 0 个索引位置上，以此类推，就可以获得 Series 序列中的每个元素。下面看一组简单的示例： import pandas as pd s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e']) print(s[0]) #位置下标 print(s['a']) #标签下标 输出结果：