Series中数据的获取非常类似list、ndarray中数据的获取，可以采用中括号[]里面包含索引值或者切片的方式来获取其中的一个或者一个片段（即切片，用[m:n]这样的结构来表示index范围）的数据。
 但是Series因为多了一个index，所以他也可以通过索引值（index）作为线索进行数值的查询和获取，这个获取方法又有点类似于字典，所以我们可以把Series数据想象成字典和列表两种数据结构的融合。我们用以下代码来进行演示：
 
import pandas as pd
data_list = [3,4,5,6]
s_data = pd.Series(data_list,index=['a','b','c','d'])

print(s_data['b'])
print(s_data[['a']])
print(s_data[['a','c','d']])
print(s_data[0:2])
 
运行以上代码之后，我们可以得到以下结果：
 
4
a    3
dtype: int64
a    3
c    5
d    6
dtype: int64
a    3
b    4
dtype: int64
[Finished in 5.2s]

高亮的时候需要用到：
 
 
 
高亮指定的数据图形。
 
 
通过seriesName或者seriesIndex指定系列。如果要再指定某个数据可以再指定dataIndex或者name。
 
 
dispatchAction({
    type: 'highlight',
    // 可选，系列 index，可以是一个数组指定多个系列
    seriesIndex?: number|Array,
    // 可选，系列名称，可以是一个数组指定多个系列
    seriesName?: string|Array,
    // 可选，数据的 index
    dataIndex?: number,
    // 可选，数据的 名称
    name?: string
})
 
 
 
 
 
 
 
这样就能得到：
 
let myChart = this.$echarts.init(document.getElementById(id))
myChart.on('mouseover', (v) => {    
    console.log('鼠标移上去的index：')
    console.log(v.dataIndex)
  })
 
 
参考：
 
https://echarts.apache.org/zh/api.html#action.highlight
 
https://segmentfault.com/q/1010000039026832?_ea=95492260
 
https://echarts.apache.org/zh/api.html#events.%E9%BC%A0%E6%A0%87%E4%BA%8B%E4%BB%B6
 
https://echarts.apache.org/zh/tutorial.html#ECharts%20%E4%B8%AD%E7%9A%84%E4%BA%8B%E4%BB%B6%E5%92%8C%E8%A1%8C%E4%B8%BA

在python中除了本文就有的列表，pandas库中的Series也可以看作列表， 表示一系列的值（数字或者其他数据），例如一列数字，想要对这些数字进行操作，首先要获取值。本文介绍python中获取Series值的三种方法：1、使用切片获取Series值；2、使用索引获取Series值；3、直接遍历Series获取值。
 方法一：使用切片获取Series值
 
x = pd.Series(np.arange(1,11),index=list("abcdefghij"))

display(x)

  

display(x[::-1])

display(x[-4:-8:-1])

display(x[4:8:1])
 
方法二：使用索引获取Series值
 
# 根据值获取索引

series1[series1.values == 1].index

  

# 根据索引获取值

  

series1['a']
 
方法三：直接遍历Series获取值
 
from pandas import Series

series = Series(data=name,index=emp)

print(series)

for value in series.keys():# 遍历并拿到index数据

    print(value)

     

for value in series:#拿到name的值

    print(value)

     

for value in series.items():# 遍历并拿到每对索引和数据

    print(value)
 
以上就是python中获取Series值的三种方法，大家可以直接套入使用哦~
 关于python中Series常见属性，可以点击查看。

 
 
demo.py（Series取值，切片）：
 
import pandas as pd


t1 = pd.Series([13, 23, 33, 43, 53], index=["a", "b", "c", "d", "e"])
print(t1)
'''
a    13
b    23
c    33
d    43
e    53
dtype: int64
'''

# 通过索引直接取值
print(t1["d"])  # 43
# 通过位置取值(从0开始)
print(t1[3])  # 43


# 切片
# 取位置连续的值
print(t1[1:4])  # 也可以指定步长
'''
b    23
c    33
d    43
dtype: int64
'''

# 取位置不连续的值
print(t1[[1,3]])
'''
b    23
d    43
dtype: int64
'''
# 也可以通过索引取多个值
print(t1[["b","d","w"]])  # 如果指定的索引不存在，那么对应值就返回NaN(float类型)
'''
b    23.0
d    43.0
w     NaN
dtype: float64
'''
 
demo.py（Series的index和values属性）：
 
import pandas as pd


t1 = pd.Series([13, 23, 33, 43, 53], index=["a", "b", "c", "d", "e"])
print(t1)
'''
a    13
b    23
c    33
d    43
e    53
dtype: int64
'''

print(type(t1.index))  # <class 'pandas.core.indexes.base.Index'>
print(t1.index)   # Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
print(len(t1.index))  # 5  有长度 可以遍历迭代
# 可以强制转换成list类型
print(list(t1.index))  # ['a', 'b', 'c', 'd', 'e']


print(type(t1.values))  # <class 'numpy.ndarray'>
print(t1.values)   # [13 23 33 43 53]
# ndarray的很多方法都可以运用到Series类型。 例如：argmax()获取最大值；clip()裁剪等。

# Series对象本质上由两个数组构成，一个构成索引index，一个构成对象的值values

 
demo.py（Series的布尔索引）：
 
import pandas as pd


t1 = pd.Series([13, 23, 33, 43, 53], index=["a", "b", "c", "d", "e"])
print(t1)
'''
a    13
b    23
c    33
d    43
e    53
dtype: int64
'''

# Series类型也支持bool索引。
print(t1[t1>30])
'''
c    33
d    43
e    53
dtype: int64
'''

t1[t1>30] = 0
print(t1)
'''
a    13
b    23
c     0
d     0
e     0
dtype: int64
'''