Offer 驾到，掘友接招！我正在参与2022春招打卡活动，点击查看活动详情。
上篇文章我们简单介绍了 Pandas 及其数据结构，还有两个创建 Series 对象的试题，下面我们接着通过试题的形式学习一下 Series 对象的具体操作。
试题一：Series 常用属性和方法有哪些？
（难度：easy）
分析 常用属性如下：
| 属性 | 说明 |
|---|---|
| values | 获取数组 |
| index | 获取索引 |
| size | 获取元素数量 |
| dtype | 获取对象的数据类型 |
常用方法如下：
| 方法 | 说明 |
|---|---|
| head() | 返回前 n 行数据，默认5行 |
| tail() | 返回后 n 行数据，默认5行 |
| isnull()&nonull() | 检测缺失值 |
| sort_values() | 排序，通过ascending参数来确定升序降序 |
试题二：如何修改 Series 索引？
（难度：easy）
分析
Series.index属性可用于获取或设置指定的索引标签。
代码
data = ["a", "b", "c", "d"]
s1 = pd.Series(data)
print(s1.index)
s1.index = ['A', 'B', 'C', 'D']
print(s1.index)
输出结果为：
RangeIndex(start=0, stop=4, step=1)
Index(['A', 'B', 'C', 'D'], dtype='object')
试题三：Series 如何获取、修改、删除指定索引元素？
（难度：easy）
分析
Series 获取、修改、删除指定索引元素类似于Python的字典，直接通过索引操作即可。
代码
print(s1['A']) # 获取索引为'A'的值
s1 = s1.drop('D') # 删除索引为 e 的值
s1['A'] = 100 # 修改索引为 A 的值 = 6
s1
输出结果为：
a
A 100
B b
C c
dtype: object
试题四：Series 如何进行切片？
（难度：easy）
分析
Series 切片操作与Python列表切片操作类似，例如访问s1的前2个数据：
代码
s1[:2]
试题五：Series 常用运算函数有哪些，如何使用？
（难度：easy）
分析
Series 四则运算分别是加法add()、减法sub()、乘法mul()、除法div()，均按照索引计算，如果索引不同则填充为 NaN（空值）。
代码
data = {'a' : 0, 'b' : 1, 'c' : 2}
s3 = pd.Series(data)
data = {'a' : 4, 'b' : 5, 'c' : 6, 'd': 7}
s4 = pd.Series(data)
s4
s3.add(s4)
结果输出为：
a 4.0
b 6.0
c 8.0
d NaN
dtype: float64
除了四则运算，Series 还有一些其他的运算，例如求和sum()、求最大值max()、求最小值min()等等。
原创不易，如果小伙伴们觉得有帮助，麻烦点个赞再走呗~
最后，感谢女朋友在工作和生活中的包容、理解与支持 ！
