pandas入門01---Series

爲了入門pandas，須要熟悉兩個經常使用的工具數據結構：Series和DataFrame。

今天主要講解Series。

Series是可以保存任何類型的數據(整數，字符串，浮點數，Python對象等)的一維標記數組。軸標籤統稱爲索引（index）。

最簡單的Series能夠僅僅由一個數組造成： obj = pd.Series([4,7,-5,3]) print(obj)

結果以下：

索引在左邊，值在右邊。

因爲咱們不爲數據指定索引，因此默認生成的索引是從0到N-1。 能夠經過values屬性和index屬性分別得到Series對象的值和索引。

print(obj.values)
print(obj.index)

對應結果以下：

一般須要建立一個索引序列，用標籤標識每一個數據點：

obj2 = pd.Series([4, 7, -5, 3],index=['d','b','a','c'])
print(obj2)
print(obj2.index)

能夠在數據中選擇數據時使用標籤來進行索引：

print(obj2['a'])
print(obj2['d','c','a'])

也能夠使用布爾值數組進行過濾，例如：

print(obj2[obj2 > 0])
print(np.exp(obj2))

若是已經有數據包含在Python字典中，能夠使用字典生成一個Series:

sdata = {'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000}
obj3 = pd.Series(sdata)
print(obj3)
states = ['California','Ohio','Oregon','Texas']
obj4 = pd.Series(sdata,index=states)
print(obj4)

結果以下：

因爲‘California’沒有出如今sdata鍵中，它對應的值是NaN（Not a Number），這是pandas中標記缺失值或NA值的方式。

pandas用isnull和notnull函數來檢查缺失數據。

pd.isnull(obj4)
pd.notnull(obj4)
# 也能夠這樣表示
obj4.isnull()
obj4.notnull()

Series對象自身和其索引都有name屬性：

obj4.name='population'
obj4.index.name='state'

能夠經過按位置賦值的方式改變索引：

obj.index=['Bob','Steve','Jeff','Ryan']
print(obj)

結果以下：