Pandas（数据结构：Series）

pandas是专门为处理表格和混杂数据设计的，而NumPy更适合处理统一的数值数组数据。

---

导入Pandas的包并取别名为pd

import pandas as pd

Series

Series是一种类似于一维数组的对象，它由一组数据（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。

 obj = pd.Series([4, 7, -5, 3])

创建简单Series

创建Series带有一个可以对各个数据点进行标记的索引

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

带有索引的Series

通过索引的方式选取Series中的单个或一组值

obj2['a']

obj2['d'] = 6

obj2[['c', 'a', 'd']]

obj2[obj2 > 0]

obj2 * 2

索引取值

Series看成是一个定长的有序字典

 'b' in obj2 

 'e' in obj2 

类似有序字典

直接通过字典创建Series

sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000}

 obj3 = pd.Series(sdata)

利用字典创建Series

传入排好序的字典的键以改变顺序

 states = ['California', 'Ohio', 'Oregon', 'Texas']

obj4 = pd.Series(sdata, index=states)

NaN（即“非数字”（not a number），在pandas中，它用于表示缺失或NA值。

字典飞键改变顺序

Pandas的isnull和notnull函数可用于检测缺失数据

pd.isnull(obj4) 

pd.notnull(obj4) 

检测缺失数据

Series最重要的一个功能是，它会根据运算的索引标签自动对齐数据

自动对齐

Series对象本身及其索引都有一个name属性

 obj4.name = 'population'

obj4.index.name = 'state'

name属性

Series的索引可以通过赋值的方式就地修改

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

修改索引