1. Series란?

---

• 1차원 자료구조
• DataFrame(표)의 한 행이나 한 열을 표현한다.

• 각 원소는 index로 접근할 수 있다.
  • index는 순번과 지정한 이름 두 가지로 구성된다.⭐
    • index명을 명시적으로 지정하지 않으면 순번이 index명이 된다.
  • 순번은 0부터 1씩 증가하는 정수.

• 벡터화 연산을 지원
  • Series 객체에 연산을 하면 각각의 Series 원소들에 연산이 된다.

• Series를 구성하는 원소들을 다루는 다양한 메소드 제공

2. 시리즈 생성

---

• 구문
  • pandas.Series(배열형태 자료구조)

• 배열형태 자료구조
  • 리스트
  • 튜플
  • 넘파이 배열(ndarray)

3. 시리즈 안에서 인덱싱과 슬라이싱

---

3.1 인덱싱

---

• index 순번으로 조회
  • Series[순번]
  • Series.iloc[순번]

• index 이름으로 조회
  • Series[index명]
  • Series.loc[index명] : 이름으로 조회한다는 것
  • Series.index명
    • index명이 문자열일 경우 . 표기법 사용가능
    • 문자열에 공백이 있으면 불가능.
  • index명이 문자열이면 문자열(" ") 로, 정수이면 정수로 호출
    • s['name'], s[2], s.loc['name'], s.loc[2]
  • 인덱스를 따로 지정하지 않아서 이름과 순번이 같을 경우, 이름이 우선된다.

3.1.1 팬시 인덱싱

• 팬시(fancy) 인덱싱
  • Series[index리스트]
  • 여러 원소 조회 시 조회할 index를 list/튜플로 전달
    • s[[1,2,3]]

3.1.2 Boolean 인덱싱

• Series 의 indexing 연산자에 boolean 리스트를 넣으면 True인 index의 값들만 조회한다.
  • Boolean 연산자들을 이용해 원하는 조건의 값들을 조회할 수 있다
  • 다중 조건인 경우 반드시 ( )로 조건을 묶어야 한다.
  • 파이썬과는 다르게 and, or 예약어는 사용할 수 없다.
    
    

3.2 슬라이싱

---

• Series[start index : end index : step]
  • start index 생략 : 0번 부터
  • end index
    • index 순번일 경우는 포함 하지는다.
    • index 명의 경우는 포함한다.
  • end index 생략 : 마지막 index까지
  • step 생략 : 1씩 증가

• Slicing의 결과는 원본의 참조(View)를 반환
  • slicing한 결과를 변경시 원본도 같이 바뀐다.
  • Series.copy() : Series를 복사한 새로운 객체 반환

4. shallow copy와 deep copy

---

4.1 deep copy(깊은 복사)

---

• 원본의 카피본을 반환하여 값 변경시 원본이 변경되지 않는다.
• 파이썬 리스트는 slicing시 deep copy⭐
• indexing은 deep copy

4.2 shallow copy(얕은 복사)

---

• 원본을 반환하여 값 변경시 원본에 영향을 준다.
• Series, DataFrame, 넘파이 배열(ndarray)은 slicing 조회시 shallow copy⭐

4.3 copy() 메서드

---

• Series, DataFrame, ndarray를 복사하여 반환한다.

5. 주요 메서드

---

5.1 정렬

---

• sort_values()
  • 값으로 정렬

• sort_index()
  • index 이름으로 정렬

• 공통 매개변수
  • ascending=False (내림차순, 기본-True:오름차순)
  • 결측치(NaN)은 가장 큰 값

• 정렬 결과를 새로운 Series로 반환.

6. 연산

---

• Numpy 배열(ndarray)과 마찬가지로 Series 객체과 연산을 하면 Series 내의 원소 별 연산을 한다.

s10 = pd.Series([1,10,5])
s20 = pd.Series([10,1,20])

# 시리즈 * 스칼라 => 원소별로, index별로 계산
s10*10

# 비교 연산
s10>5
# 불리형 인덱싱 
s10[s10>5]

# 시리즈 + 시리즈
s10 + s20

# 시리즈 * 시리즈
s10 * s20

# 시리즈끼리 비교
s10>=s20

# 시리즈에서 한다기보다 나중에 데이터프레임에서 많이 사용함.

# 넘파이의 범용 함수들을 시리즈에서도 사용할 수 있다.
np.add(s10, s20)