La clase de objetos Series son estructuras similares a los arrays de una dimensión. Son homogéneas, es decir, sus elementos tienen que ser del mismo tipo, y su tamaño es inmutable, es decir, no se puede cambiar, aunque si su contenido.

Dispone de un índice que asocia un nombre a cada elemento del la serie, a través de la cuál se accede al elemento.

Creación de series

a) Creación de una serie a partir de una lista

• Series(data=lista, index=indices, dtype=tipo) : Devuelve un objeto de tipo Series con los datos de la lista lista, las filas especificados en la lista indices y el tipo de datos indicado en tipo. Si no se pasa la lista de índices se utilizan como índices los enteros del 0 al n-1 donde n es el tamaño de la serie. 

b) Creación de una serie a partir de un diccionario.

• Series(data=diccionario, index=indices): Devuelve un objeto de tipo Series con los valores del diccionario diccionario y las filas especificados en la lista índices. Si no se pasa la lista de índices se utilizan como índices las claves del diccionario.

Atributos de una serie

Existen varias propiedades o métodos para ver las características de una serie.

• s.size : Devuelve el número de elementos de la serie s.

• s.index : Devuelve una lista con los nombres de las filas del DataFrame s.

• s.dtype : Devuelve el tipo de datos de los elementos de la serie s.

Acceso a los elementos de una serie

El acceso a los elementos de un objeto del tipo Series puede ser a través de posiciones o través de índices (nombres).

Acceso por posición

Se realiza de forma similar a como se accede a los elementos de un array.

• s[i] : Devuelve el elemento que ocupa la posición i+1 en la serie s.

• s[posiciones]: Devuelve otra serie con los elementos que ocupan las posiciones de la lista posiciones.

Acceso por índice

• s[nombre] : Devuelve el elemento con el nombre nombre en el índice.

• s[nombres] : Devuelve otra serie con los elementos correspondientes a los nombres indicadas en la lista nombres en el índice.

Resumen descriptivo de una serie

Las siguientes funciones permiten resumir varios aspectos de una serie:

• s.count() : Devuelve el número de elementos que no son nulos ni NaN en la serie s.

• s.sum() : Devuelve la suma de los datos de la serie s cuando los datos son de un tipo numérico, o la concatenación de ellos cuando son del tipo cadena str.

• s.cumsum() : Devuelve una serie con la suma acumulada de los datos de la serie s cuando los datos son de un tipo numérico.

• s.value_counts() : Devuelve una serie con la frecuencia (número de repeticiones) de cada valor de la serie s.

• s.min() : Devuelve el menor de los datos de la serie s.

• s.max() : Devuelve el mayor de los datos de la serie s.

• s.mean() : Devuelve la media de los datos de la serie s cuando los datos son de un tipo numérico.

• s.var() : Devuelve la varianza de los datos de la serie s cuando los datos son de un tipo numérico.

• s.std() : Devuelve la desviación típica de los datos de la serie s cuando los datos son de un tipo numérico.

• s.describe(): Devuelve una serie con un resumen descriptivo que incluye el número de datos, su suma, el mínimo, el máximo, la media, la desviación típica y los cuartiles.

En la imagen siguiente vemos una aplicación de la mayoría de los métodos anteriores:

• Práctica 2.1.

Realiza en Google Colab una serie a partir de la siguiente lista denominada marcas que contenga 10 fabricantes de coches.

• Práctica 2.2.

Realiza en Google Colab una serie a partir del diccionario formado por los pares de 5 colores y sus números de letras. Ejemplo ={"Rojo":4}

• Práctica 2.3.

Copia la lista mostrada a continuación y mediante los métodos apropiados explicados en el vídeo Series I determina su tamaño (número de elementos) y el tipo de datos.

lista = [0,2,5,8,7,1,2,9,9,8,7,1,2,5,4,6,3,2,5,8,7,0,0,2,1,4,5,8,7,9,0,2,5,4,8,9,6,3,3,0,

               1,5,8,7,4,0,5,8,5,4,1,0,5,8,5,2,4,8,9,2,5,4,8,7,4,1,5,6,3,2,5,8,7,4,1,5,9,9,8,4,

                 5,3,6,5,2,4,7,8,9,5,6,4,7,8,6,2,4,7,7]

• Práctica 2.4.

Si tenemos la siguiente lista, abecedario = [a, b, c, d, e, f, g, h, i, j, k, l, m, n, ñ, o, p, q, r, s, t, u, v, w, x, y, z] realiza en Colab la programación mediante Pandas para que presente:

1. La serie de los datos entre los índices 7 y 14.

2. Visualiza el elemento p.

3. Haciendo uso del diccionario que creaste para la práctica 2.2. realiza en Colab la programación para que presente los datos de la tercera y cuarta posición.

• Práctica 2.5. 

Tomando como base la lista de número siguiente números = [1, 3, 5, 14, 2, 19, 25, 26, 32, 40] realiza en Colab presentando los resultados usando Pandas las siguientes operaciones:

1. Suma de todos los términos.

2. Encuentra los valores máximo y mínimo.

3. Halla la desviación estándar de la lista números.

4. Presenta el resumen de propiedades de la lista números.

• Práctica 2.6.

Tomando como base el diccionario de datos de ventas de fruta en una semana de una empresa frutera. 

 ventas_fruta_semana = {"Manzanas" : 2200, "Peras" : 1860, "Melocotones" : 1620, "Naranjas" :  2510, "Papaya" : 605, "Melón" :  3120,  "Sandía" :  3850, "Chirimoya" :  820", "Platano" : 1950, "Kiwi" :  2100, "Fresas"  : 1540,  "Cerezas" :  1430, "Mango" : 1120 }

1. Filtra los valores que superen unas ventas de 1500 kg a la semana.

2. Ordena los datos en orden creciente de ventas.

3. Ordena los datos en orden decreciente de ventas.

4. Ordena los datos de producto de venta ordenado alfabéticamente en orden descendente.

5. Ordena los datos de producto de venta ordenado alfabéticamente en orden ascendente.

• Práctica 2.7.

Crea una serie con 25 índices con el valor 10 asignado a todos ellos.

• Práctica 2.8.

Realizar la asignar la asignación de datos a determinados índices. En este caso con datos referidos a los ganadores de los premios OSCAR del año 2022.

lista de datos = (CODA, Will Smith, Jessica Chastain, Jane Campion, DUNE, No Time to Die)

Indices = (Mejor Película, Mejor Actor, Mejor Actriz, Mejor Director, Mejor BSO, Mejor Canción)