求助：将Pandas DataFrame转换为无列名的Pandas Series

嘿，别慌！作为Pandas新手遇到这类数据结构转换问题太正常了，我来帮你快速搞定。

首先，我们先还原你提到的DataFrame（顺便把timestamp转成日期类型，让索引更规范，后续做时间操作也更方便）：

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({
    'timestamp': ['2018-01-01', '2018-02-01', '2018-03-01', '2018-04-01', '2018-05-01'],
    'number': [1, 0, 5, 0, 6]
})
# 将timestamp转为日期时间类型（可选但推荐）
df['timestamp'] = pd.to_datetime(df['timestamp'])

接下来，只需要一行代码就能得到你想要的结果——把timestamp设为索引，提取number列并移除Series的名称：

# 一步完成转换
result_series = df.set_index('timestamp')['number'].rename(None)

现在打印result_series，你就能看到和预期完全一致的输出：

2018-01-01    1
2018-02-01    0
2018-03-01    5
2018-04-01    0
2018-05-01    6
dtype: int64

简单拆解逻辑： #

• set_index('timestamp')：把原DataFrame的timestamp列转为索引，这样Series的索引就是日期值
• ['number']：提取number列作为Series的核心数值部分
• rename(None)：移除Series的名称，避免输出时显示原列名number

如果想分步执行也完全没问题：

# 分步操作更清晰
df_with_index = df.set_index('timestamp')
result_series = df_with_index['number']
result_series = result_series.rename(None)

这样就能完美实现你的需求啦！

内容的提问来源于stack exchange，提问作者HRDSL