一、取一列，拿到什么

df['数学'] 拿到的 type 是 Series，长度 10，和原表行数一样。 前三个值是 92、95、68。index 是 0 到 9 的 RangeIndex。 取值用 s.iloc[0]，不要用 s[0]。pandas 3 里 s[0] 是按标签找，标签里没有 0 就报 KeyError。

这是从 pandas 2 到 3 最容易踩的一个变化：老代码里到处是 s[0]，升级后全炸。

二、两个核心属性

name 这个属性不起眼，但很有用：打印出来时它显示在底部，一看就知道是哪一列。 index 一旦从数字换成姓名，取值的写法就从 s.iloc[0] 变成 s['张伟']。下一篇专讲。

三、手工造一个

pd.Series([88, 92, 75], index=['张伟','王芳','李娜'], name='数学')。 三个参数：值、标签、名字。名字可选，但有了它打印好看得多。

标签不写的话自动给 0、1、2。值和标签的长度必须一样，否则报错。

四、为什么要有标签

因为位置会变。排一次序、删掉一行，原来的「第 3 个」就不是同一个人了。 标签不会变。s['张伟'] 永远是张伟那个人的数学分，不管他排第几。 这是 Pandas 和普通列表最根本的区别：列表认位置，Series 认标签。

代价是内存多一点、速度慢一点。换来的是代码不容易错，这笔交易划算。

五、DataFrame 与 Series 的关系

df['数学'] 取一列 → Series。df.loc[0] 取一行 → 也是 Series，但标签变成了列名。 所以「一行」和「一列」在 Pandas 里是同一种东西，只是标签轴不同。 反过来说，DataFrame 可以看成「一列一列的 Series，共用一套行标签」。

记住这句话，后面 groupby 的返回结构就很好懂——它返回的常常是 Series。

六、动手 Demo：Series：带标签的一列数

从成绩表里取数学一列，打它的类型、长度、前几个值、索引。 再手工造一个带姓名标签的 Series，对比两者。

import pandas as pd

DF = pd.DataFrame({
    "姓名": ["张伟", "王芳", "李娜"],
    "数学": [92, 95, 68],
})

s = DF["数学"]
print("type %s，长度 %d" % (type(s).__name__, len(s)))
print("前三个值 %s" % s.head(3).tolist())
print("index 是 %s" % list(s.index))
print("name 是 %s" % s.name)
print("values 类型 %s" % type(s.values).__name__)

s2 = pd.Series([88, 92, 75], index=["张伟", "王芳", "李娜"], name="数学")
print(s2.to_string())
print("按标签取：%d" % s2["王芳"])

实跑输出：

--------------------------------------------------------------------
Series：带标签的一列数
--------------------------------------------------------------------

  ① 从表里取一列，拿到的是什么
  --------------------------------------------------------------------
  type 是 Series。
  它的长度 10，和原表行数一样。
  前三个值：92、95、68。
  它的 index 是 [0, 1, 2, 3, 4]。
  ! 取值用 s.iloc[0]，不是 s[0]——pandas 3 里 s[0] 按标签找，找不到 0 就报错。

  ② 一列数 = 一组值 + 一组标签
  --------------------------------------------------------------------
  Series 的两个核心属性：values 放值，index 放标签。
  values 的类型是 ndarray。
  index 的类型是 RangeIndex，这里是 RangeIndex，从 0 到 9。
  name 属性是 数学——它记得自己是从哪一列来的。
  ! 标签可以不是数字。下一节把姓名设成标签，取值就变成 s['张伟']。

  ③ 手工造一个 Series
  --------------------------------------------------------------------

| 行 | 数学 |
|---|---:|
| 张伟 | 88 |
| 王芳 | 92 |
| 李娜 | 75 |

  三个参数：值、标签、名字。名字可选，但有了它打印出来好看得多。
  ! DataFrame 的每一列抽出来就是一个 Series，每一行抽出来也是（类型叫 Series，标签是列名）。

  ④ 为什么要有标签
  --------------------------------------------------------------------
  因为位置会变。排序一次、删掉一行，原来的「第 3 个」就不是同一个人了。
  标签不会变。s['张伟'] 永远是张伟那个人的数学分，不管他排第几。
  ! 这是 Pandas 和普通列表最根本的区别：列表认位置，Series 认标签。

s.values 是 ndarray，不是 list。要 list 得再 .tolist() 一次。 s2['王芳'] 能直接按标签取，因为标签就是姓名。如果标签是 0、1、2，那就得用 iloc 才稳。

30 秒实验

1. 把 s2 的 index 去掉，重新按 0、1、2 取，看看 s2[0] 和 s2['张伟'] 分别会发生什么。
2. 给 Series 加一个 name，再打印，看看区别在哪里。
3. 想一想：为什么行取出来的 Series，标签是列名而不是行号？

常见误区

1. 用 s[0] 取值：pandas 3 里按标签找，标签不是 0 就报 KeyError，要用 iloc。
2. 以为 Series 就是列表：它有标签，能对齐，能做向量化运算。
3. 值和标签长度不一致：直接报 ValueError，这个错很好认。
4. 忽略 name 属性：调试时少了一个定位线索。

既然标签这么重要，那按标签取和按位置取到底差在哪？下一篇把 loc 和 iloc 摆在一起比。

• ☐ （本篇完，下一篇 3.3 Series 的索引与取值）

相关笔记

• 初识 Pandas：它凭什么当主力
• Series 的索引与取值
• DataFrame：一张能算的表格
• 📊 Python 数据分析 · 索引