Pandas实战-Series的方法
本文将主要介绍以下内容：
1. 导入CSV数据集
2. 排序Series值
3. 修改原Series值
4. 统计Series值
5. apply方法
在介绍Series的方法之前，需要一些现实世界的数据集，本文会使用以下三个CSV文件：
- pokemon.csv，超过800个的Pokémon，这是任天堂最受欢迎的宠物小精灵
- google_stock.csv，Google从2004年8月首次亮相到2019年10月的每日美元价格
- revolutionary_war.csv，美国独立战争期间的战斗记录，由于某些战争没有确定的开始日期或不是发生在美国领土，因此此数据集包含缺失值
1. 导入CSV数据集
首先启动Jupyter Notebook，然后导入pandas库：
In [1] import pandas as pdpandas可以导入十几种不同类型的文件。每种文件格式都有一个关联的导入方法，这些方法都以read开头。在下面的例子中，我们会使用read_csv方法。它的第一个参数filepath_or_buffer是文件名的路径，必须包含文件的扩展名，使用相对路径默认是在与Jupyter Notebook相同的目录中查找文件。
In [2]: # 下面两行代码是相同的
pd.read_csv(filepath_or_buffer = "pokemon.csv")
pd.read_csv("pokemon.csv")
Out [2]: Pokemon Type
0 Bulbasaur Grass / Poison
1 Ivysaur Grass / Poison
2 Venusaur Grass / Poison
3 Charmander Fire
4 Charmeleon Fire
… … …
804 Stakataka Rock / Steel
805 Blacephalon Fire / Ghost
806 Zeraora Electric
807 Meltan Steel
808 Melmetal Steel
809 rows x 2 columns请注意，输出的格式与Series有所不同，返回的实际上是pandas的DataFrame，它是支持多个行和列的二维数据结构。无论数据集包含多少列，pandas都会默认将导入的数据存储在DataFrame中。
如果要把数据存储在Series中，需要用到read_csv方法的另外两个参数index_col和squeeze。数据集有两列（Pokemon和Type），但是Series只支持一列，这时可以使用index_col参数指定作为索引的列名称，把列之一指定为索引。当使用字符串时，请注意区分大小写，该字符串必须与数据集中的列名完全相同。
In [3]: pd.read_csv("pokemon.csv", index_col = "Pokemon")
Out [3]: Type
Pokemon
Bulbasaur Grass / Poison
Ivysaur Grass / Poison
Venusaur Grass / Poison
Charmander Fire
Charmeleon Fire
... ...
Stakataka Rock / Steel
Blacephalon Fire / Ghost
Zeraora Electric
Meltan Steel
Melmetal Steel
809 rows × 1 columns但是pandas仍然默认将数据存储到DataFrame对象中。毕竟，多列容器仍然可以存储一列数据。为了简单起见，将数据存储在尽可能小的容器中通常是有利的。为了强制将数据存储在Series中，需要使用squeeze参数并设为True：
In [4]: pd.read_csv("pokemon.csv", index_col = "Pokemon", squeeze = True)
Out [4]: Pokemon
Bulbasaur Grass / Poison
Ivysaur Grass / Poison
Venusaur Grass / Poison
Charmander Fire
Charmeleon Fire
...
Stakataka Rock / Steel
Blacephalon Fire / Ghost
Zeraora Electric
Meltan Steel
Melmetal Steel
Name: Type, Length: 809, dtype: object输出揭示了有关数据集的一些重要信息。它显示了文件其余列的名称，这里是Type，数据集有809个值，dtype: object表示值类型是字符串。然后可以将Series分配给变量，以便可以在整个Notebook中重复使用它：
In [5]: pokemon = pd.read_csv("pokemon.csv", index_col = "Pokemon", squeeze = True)如果想知道该Series中的值或索引是否有NaN值，可以使用hasnans属性：
In [6]: pokemon.hasnans
Out [6]: False
In [7]: pokemon.index.hasnans
Out [7]: False其余的两个数据集则有一些复杂，让我们从google_stock.csv开始，它包含一个Date列，其值采用YYYY-MM-DD格式：
In [8]: pd.read_csv("google_stocks.csv").head()
Out [8]: Date Close
0 2004-08-19 49.98
1 2004-08-20 53.95
2 2004-08-23 54.50
3 2004-08-24 52.24
4 2004-08-25 52.80导入纯文本文件（例如CSV）时，pandas会为每一列假定最符合逻辑的数据类型。当涉及到日期时，为了安全起见会将其作为字符串导入。但我们也可以使用parse_dates参数
明确把Date列中的值转换为datetime对象。pandas可以识别日期的各种不同字符串格式，包括此例的YYYY-MM-DD格式。
In [9]: google = pd.read_csv("google_stocks.csv",
index_col = "Date",
parse_dates = ["Date"],
squeeze = True)
google.head()
Out [9]: Date
2004-08-19 49.98
2004-08-20 53.95
2004-08-23 54.50
2004-08-24 52.24
2004-08-25 52.80
Name: Close, dtype: float64最后一个数据集是revolutionary_war.csv，让我们预览一下它的数据结构，可以使用read_csv默认返回的DataFrame对象的tail方法查看数据集的最后五行。我们可以看到，在State列中存在缺失值，用NaN表示：
In [10]: pd.read_csv("revolutionary_war.csv").tail()
Out [10]: Battle Start Date S