# 79、pandas.Series.dtype属性

# int64

# float64

# object

# float32

80、pandas.Series.shape属性

80-1、语法

# 80、pandas.Series.shape属性

pandas.Series.shape

Return a tuple of the shape of the underlying data.

80-2、参数

80-3、功能

        提供有关Pandas Series对象维度信息的快速访问。

80-4、返回值

        返回一个元组，表示Series的维度，在Series中，这个元组只有一个值，即Series的长度，因为Series是一维的数据结构。

80-5、说明

80-6、用法

80-6-1、数据准备

无

80-6-2、代码示例

# 80、pandas.Series.shape属性

import pandas as pd

# 使用列表创建Series

data = [1, 2, 3, 4, 5]

series1 = pd.Series(data)

print("Series1 shape:", series1.shape)

# 使用字典创建Series

data = {'a': 1, 'b': 2, 'c': 3}

series2 = pd.Series(data)

print("Series2 shape:", series2.shape)

# 指定索引

data = [1, 2, 3, 4, 5]

index = ['a', 'b', 'c', 'd', 'e']

series3 = pd.Series(data, index=index)

print("Series3 shape:", series3.shape)

# 使用标量创建Series

data = 5

series4 = pd.Series(data, index=['a', 'b', 'c'])

print("Series4 shape:", series4.shape)

80-6-3、结果输出

# 80、pandas.Series.shape属性

# Series1 shape: (5,)

# Series2 shape: (3,)

# Series3 shape: (5,)

# Series4 shape: (3,)

81、pandas.Series.nbytes属性

81-1、语法

# 81、pandas.Series.nbytes属性

pandas.Series.nbytes

Return the number of bytes in the underlying data.

81-2、参数

        无

81-3、功能

        用于返回Pandas Series对象在内存中占用的总字节数，该值包括了Series中所有元素(包括索引)的内存占用。

81-4、返回值

        返回一个整数，表示Series对象在内存中占用的总字节数，该值是根据Series中元素的数量、数据类型以及索引的存储方式等因素计算得出的。

81-5、说明

81-5-1、数据类型影响：Series中元素的数据类型会直接影响其内存占用。例如，int64类型的数据比float32类型的数据占用更多的内存。

81-5-2、索引也占用内存：虽然索引通常占用的内存相对较小，但在处理包含大量元素的Series时，索引的内存占用也不容忽视。

81-5-3、近似值：nbytes返回的是近似值，因为它依赖于Pandas和NumPy的内部实现，这些实现可能会随着版本的变化而变化。

81-5-4、与 NumPy 兼容性：Pandas旨在与NumPy兼容，并在许多方面模仿NumPy的API，因此，nbytes属性的行为与NumPy数组中的相应属性相似。

81-6、用法

81-6-1、数据准备

无

81-6-2、代码示例

# 81、pandas.Series.nbytes属性

import pandas as pd

# 创建一个示例Pandas Series

data = pd.Series([10, 20, 30, 40, 50])

# 获取Series所占用的字节数

nbytes = data.nbytes

print(f"The Series occupies {nbytes} bytes.")

81-6-3、结果输出

# 81、pandas.Series.nbytes属性

# The Series occupies 40 bytes.

82、pandas.Series.ndim属性

82-1、语法

# 82、pandas.Series.ndim属性

pandas.Series.ndim

Number of dimensions of the underlying data, by definition 1.

82-2、参数

        无

82-3、功能

        用于返回Series对象的维度数。

82-4、返回值

        返回一个整数，对于Pandas Series对象，ndim属性的返回值总是 1，表示Series是一维数据结构。

82-5、说明

        无

82-6、用法

82-6-1、数据准备

无

82-6-2、代码示例

# 82、pandas.Series.ndim属性

# 82-1、创建一个Pandas Series

import pandas as pd

s = pd.Series([1, 2, 3, 4, 5])

# 使用ndim属性查看Series的维度数

print(s.ndim)

# 82-2、创建一个DataFrame

import pandas as pd

df = pd.DataFrame({

'A': [1, 2, 3],

'B': [4, 5, 6]

})

print(df.ndim)

82-6-3、结果输出

# 82、pandas.Series.ndim属性

# 82-1、创建一个Pandas Series

# 1

# 82-2、创建一个DataFrame

# 2

83、pandas.Series.size属性

83-1、语法

# 83、pandas.Series.size属性

pandas.Series.size

Return the number of elements in the underlying data.

83-2、参数

        无

83-3、功能

        用于返回Series对象的元素数量。

83-4、返回值

        返回的是数据结构中包含的元素总数。

83-5、说明

        无

83-6、用法

83-6-1、数据准备

无

83-6-2、代码示例

# 83、pandas.Series.size属性

import pandas as pd

# 创建一个Pandas Series

s = pd.Series([1, 2, 3, 4, 5])

# 使用size属性查看Series的元素数量

print(s.size)

# 创建一个包含较少元素的Series以作对比

s_short = pd.Series([10, 20])

# 查看较短Series的元素数量

print(s_short.size)

83-6-3、结果输出

# 83、pandas.Series.size属性

# 5

# 2

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页