1. 创建Series并查看基本属性

任务说明

本案例使用Pandas创建一个包含学生姓名与对应成绩的Series对象，并查看其基本属性，包括索引、值、数据类型、形状、元素个数以及是否存在缺失值。通过该案例掌握Series的创建与基础属性检查方法。

实现代码

import pandas as pd
import numpy as np

# 创建Series：学生姓名作为索引，成绩作为值
scores = pd.Series(
    data=[88, 92, 79, 85, 90],
    index=['张伟', '李娜', '王强', '赵敏', '刘洋'],
    name='期末成绩',
    dtype=np.int64
)

# 查看基本属性
print("=== 索引 (index) ===")
print(scores.index)

print("\n=== 值 (values) ===")
print(scores.values)

print("\n=== 数据类型 (dtype) ===")
print(scores.dtype)

print("\n=== 形状 (shape) ===")
print(scores.shape)

print("\n=== 元素个数 (size) ===")
print(scores.size)

print("\n=== 是否存在缺失值 (hasnans) ===")
print(scores.hasnans)

print("\n=== 前2个元素 (head) ===")
print(scores.head(2))

print("\n=== 描述统计 (describe) ===")
print(scores.describe())

运行方式

确保已安装Pandas与NumPy库（pip install pandas numpy），将上述代码保存为series_basic.py，在命令行执行python series_basic.py即可。

预期输出

=== 索引 (index) ===
Index(['张伟', '李娜', '王强', '赵敏', '刘洋'], dtype='object')

=== 值 (values) ===
[88 92 79 85 90]

=== 数据类型 (dtype) ===
int64

=== 形状 (shape) ===
(5,)

=== 元素个数 (size) ===
5

=== 是否存在缺失值 (hasnans) ===
False

=== 前2个元素 (head) ===
张伟    88
李娜    92
Name: 期末成绩, dtype: int64

=== 描述统计 (describe) ===
count     5.000000
mean     86.800000
std       5.263079
min      79.000000
25%      85.000000
50%      88.000000
75%      90.000000
max      92.000000
Name: 期末成绩, dtype: float64

验证方法

运行代码后，逐项核对输出：

• 索引应包含5个中文姓名，类型为object；
• 值数组为[88 92 79 85 90]，数据类型为int64；
• 形状为(5,)，元素个数为5；
• 因所有成绩均为有效数字，hasnans应为False；
• head(2)显示前两个姓名与成绩；
• describe()中count为5，mean为86.8，min为79，max为92，与输入数据完全一致。

若以上输出与预期相符，则说明Series创建成功且基本属性查看正确。