pandas中的Series和DataFrame是我们非常常用的两个工具。
Series是一种类似于一维数组的对象
from pandas import Series
#DataFrame和Series我们往往常用，一般直接从pandas中导入
obj = Series([4, 7, -5, 3])
print obj
#输出结果为:
'''
0 4
1 7
2 -5
3 3
dtype: int64
'''
Series由一组数据(各种Numpy数据类型)以及一组与之相关的数据标签(即索引)组成。
我们可以通过Series中的values和index属性获取其数组表示形式和索引对象:
print obj.values
print obj.index
'''
输出结果分别为：
[ 4 7 -5 3]
RangeIndex(start=0, stop=4, step=1)
'''
Series创建时可以自行指定索引
obj2 = Series([1, 2, 3, 4, 5],index=['a', 'b', 'c', 'd', 'e'])
print obj2
'''
输出结果为：
a 1
b 2
c 3
d 4
e 5
dtype: int64
'''
Series可以通过索引的方式选取Series中的单个或一组值:
print obj2['a']
obj2['d'] = 6
print obj2[['a','b','c']]
'''
输出结果分别为：
1
a 1
b 2
c 3
d 6
dtype: int64
'''
Series可以通过一个字典数据来创建
sdata = {'a':1, 'b':2, 'c':3}
obj3 = Series(sdata)
print obj3
'''
输出结果为:
a 1
b 2
c 3
dtype: int64
'''
DataFrame是一个表格型的数据结构
from pandas import DataFrame
data = {'state':['a','b','c','d'],
'year':[1,2,3,4],
'pop':[1.5,1.7,3.6,2.4]}
frame = DataFrame(data)
#创建DataFrame最常用的方法是直接传入由等长列表或NumPy数组组成的字典。
print frame
'''
输出结果如下：
pop state year
0 1.5 a 1
1 1.7 b 2
2 3.6 c 3
3 2.4 d 4
结果DataFrame会自动加上索引（跟Series一样）,且全部列会被有序排列
我们可以在创建的时候指定列的顺序
'''
frame = DataFrame(data,columns=['year','state','pop'])
print frame
'''
输出结果为：
year state pop
0 1 a 1.5
1 2 b 1.7
2 3 c 3.6
3 4 d 2.4
'''
#我们也可以人为的指定行索引，这跟Series一样，如果传入的列在数据中找不到，就会产生NA值
frame = DataFrame(data,columns=['year','state','pop','debt'],
index=['one','two','three','four'])
print frame
'''
输出结果为：
year state pop debt
one 1 a 1.5 NaN
two 2 b 1.7 NaN
three 3 c 3.6 NaN
four 4 d 2.4 NaN
'''
DataFrame中的索引方式
#通过类似字典标记的方式或属性的方式，可以将DataFrame的列获取为一个Series：
print frame['state']
"""
输出结果为：
one a
two b
three c
four d
Name: state, dtype: object
"""
print frame.year
"""
输出结果为：
one 1
two 2
three 3
four 4
Name: year, dtype: int64
"""
注意这些方式返回的Series拥有原DataFrame相同的索引，且其name属性也已经被相应地设置好了。行也可以通过位置或名称的方式进行获取，比如用索引字段ix：
print frame.ix['three']
"""
输出结果为：
year 3
state c
pop 3.6
debt NaN
Name: three, dtype: object
"""
我们可以通过DataFrame直接去改变DataFrame中的某一列或某一行的值
frame.ix['three'] = 0
print frame
"""
输出结果为：
year state pop debt
one 1 a 1.5 NaN
two 2 b 1.7 NaN
three 0 0 0.0 0
four 4 d 2.4 NaN
"""
frame['debt'] = 'good'
print frame
"""
输出结果为：
year state pop debt
one 1 a 1.5 good
two 2 b 1.7 good
three 0 0 0.0 good
four 4 d 2.4 good
"""
将列表或数组赋值给某个列时，其长度必须跟DataFrame的长度相匹配。如果赋值的是一个Series，就会精确匹配DataFrame的索引，所有的空位都将被填上缺失值：
val = Series([-1.2,-1.5,-1.7],index=['two','four','three'])
frame['debt'] = val
print frame
"""
输出结果为：
year state pop debt
one 1 a 1.5 NaN
two 2 b 1.7 -1.2
three 3 c 3.6 -1.7
four 4 d 2.4 -1.5
"""
为不存在的列赋值会创建出一个新列。关键字del用于删除列:
frame['area'] = frame.state == 'Ohio'
print frame
"""
输出结果为：
year state pop debt area
one 1 a 1.5 NaN False
two 2 b 1.7 -1.2 False
three 3 c 3.6 -1.7 False
four 4 d 2.4 -1.5 False
"""
del frame['area']
print frame
"""
输出结果为：
year state pop debt
one 1 a 1.5 NaN
two 2 b 1.7 -1.2
three 3 c 3.6 -1.7
four 4 d 2.4 -1.5
"""
另外一种常见的数据形式是嵌套字典(也就是字典的字典),如果将它传给DataFrame，它就会被解释为：外层字典的键作为列，内层键则作为行索引:
pop = {'Nevada':{2001:2.4, 2002:2.9},
'Ohio':{2000:1.5,2001:1.7,2002:3.6}}
frame = DataFrame(pop)
print frame
"""
输出结果为：
Nevada Ohio
2000 NaN 1.5
2001 2.4 1.7
2002 2.9 3.6
"""
(--未完待续--)