使用pandas创建Series时，可以使用列表和字典两种方式。
使用列表创建Series的语法如下：
import pandas as pd
data = [1, 2, 3, 4, 5]
s = pd.Series(data)
print(s)
输出结果如下：
0 1
1 2
2 3
3 4
4 5
dtype: int64
首先，需要导入pandas库。接着，创建一个列表data，包含了需要创建Series的数据。然后，使用pd.Series()函数创建Series，将列表data作为参数传入。最后输出Series。
在这个例子中，pandas会自动为Series设置索引，从0开始，递增地分配整数索引。
当然，也可以自定义索引。例如：
import pandas as pd
data = [1, 2, 3, 4, 5]
index = ['A', 'B', 'C', 'D', 'E']
s = pd.Series(data, index=index)
print(s)
输出结果如下：
A 1
B 2
C 3
D 4
E 5
dtype: int64
现在，Series的索引是由自己定义的标签组成的。
使用字典创建Series的语法如下：
import pandas as pd
data = {'A': 1, 'B': 2, 'C': 3, 'D': 4, 'E': 5}
s = pd.Series(data)
print(s)
输出结果如下：
A 1
B 2
C 3
D 4
E 5
dtype: int64
在这个例子中，我们创建了一个字典data，其中键是Series的索引，值是Series的数据。将字典作为参数传递给pd.Series()函数，pandas会自动将键作为索引，值作为数据。
同样地，也可以指定自定义的索引。例如：
import pandas as pd
data = {'A': 1, 'B': 2, 'C': 3, 'D': 4, 'E': 5}
index = ['B', 'C', 'D', 'E', 'F']
s = pd.Series(data, index=index)
print(s)
输出结果如下：
B 2.0
C 3.0
D 4.0
E 5.0
F NaN
dtype: float64
当字典数据的键与自定义的索引不匹配时，pandas会将没有匹配到的键数据设为NaN（Not a Number）。
上述两个示例展示了如何使用列表和字典创建Series，并且可以通过自定义索引来控制Series的样式。
本文链接：http://task.lmcjl.com/news/13481.html