學習撰寫程式時，常會遇到資料結構（Data Structure）這個詞彙，指的是如何用最有利的型態儲存或組織資料，並將其存在記憶體當中，以便電腦更有效率的使用。Pandas 本身有兩種常用的資料結構：Series 和 DataFrame！今天，就讓我先分享最基礎的 Series 篇吧！內容包含：

1. 介紹 Series
2. 創建 Series 物件
3. 索引 Series 資料
4. 瞭解 Series 屬性

■ 簡介｜Series

　　Series 在 Pandas 中適用於處理「單維度」的資料，以「一維陣列」呈現，每個元素都有其對應的索引（編號），就像數學線型函數中提到的「一對一」的概念。其資料內容可以包含數值、字串等多種類型的數據，因此能進行多種操作，如：新增、修改、數值運算和字串運算等。

■ 創建 Series 物件

使用 Series( ) 語法，搭配 Python 的列表（list）創建 Series 物件
舉例：創建名為 numbers 和 countries 的 Series 物件

import pandas as pd
numbers = pd.Series([15,25,35,45,55])
countries = pd.Series(['Taiwan','Japan','Korea','USA','Canada'])
print(numbers)
print('--------------------')
print(countries)

輸出結果：

■ 索引 Series 資料

　　「索引」，可以白話文解讀為「找到特定位置的資料」！創建 Series 時，電腦會自動從 0 開始編號，提供每一個元素一個索引值，如： countries 中，Taiwan 的索引值即為 0 。

import pandas as pd
countries = pd.Series(['Taiwan','Japan','Korea','USA','Canada'])
print(countries[0])    # 取索引值 0 的資料
print('--------------------')
print(countries[1:4])  # 取索引值 1 到 3 的資料

輸出結果：

若想自行定義索引值的話，可以用 index 參數進行設定
舉例：創建名為 coutries 的 Series 物件，並設定索引值為 No1 至 No5

import pandas as pd
countries = pd.Series(['Taiwan','Japan','Korea','USA','Canada'],index=['No1','No2','No3','No4','No5'])
print(countries)         # countries 完整資料
print('--------------------')
print(countries['No3'])  # 取索引值 No3 的資料

輸出結果：

■ 瞭解 Series 屬性

1. Series.values：返回 Series 中的元素
2. Series.size：返回 Series 中的元素數量
3. Series.index：返回 Series 的索引
4. Series.dtype：返回 Series 的數據型態
5. Series.shape：返回 Series 的數據形狀

舉例：創建名為 numbers 的 Series 物件，並觀察其屬性

import pandas as pd
numbers = pd.Series([15,25,35,45,55])
print(numbers.values)
print(numbers.size)
print(numbers.index)
print(numbers.dtype)
print(numbers.shape)

輸出結果：

• (5,) 表示為一維結構，其中包含5個元素

■ 結語

以上 是今天的 Series 篇的分享，明天會再繼續介紹 DataFrame 篇唷！
如果有任何不理解、錯誤或建議的話，歡迎留言給我！喜歡的話，也歡迎按讚訂閱！
我是 Eva，一位正在努力跨進資料科學領域的女子！我們下一篇文章見！Bye Bye~
【本篇文章將同步更新於個人的 Medium】