1 Series
a：类似一维数组的对象，每一个数据与之相关的数据标签组成
b:生成的左边为索引，不指定则默认从0开始。
1 from pandas import Series,DataFrame
2 import pandas as pd
3 #series 一组数据与相关得数据标签组成
4 obj=Series([4,7,-5,3])
5 obj#索引在左边 值在右边
c:可以通过values和index属性获取数组的表示形式和索引对象
1 obj.values#array([ 4, 7, -5, 3], dtype=int64)
2 obj.index
d:跟定索引值
1 obj2=Series([4,7,-5,3],index=['d','b','a','c'])
2 obj2
3 obj2.index
e:通过索引值得到值
1 obj2['a']
2 obj2[['c','a','d']]
3 obj2[obj2>0]
f:如果数据在python字典中 可以直接通过字典来创建Series
1 sdata={'ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000}
2 obj3=Series(sdata)
3 obj3
g:Series中非常重要的功能就是在多个Series运算的时候会自动匹配相同的索引进行操作
1 #如果数据在Python字典中 可以直接通过这个字典来创建Series
2 sdata={'ohio':35000,'Texas':7100,'Oregon':1600,'Utah':5000}
3 obj3=Series(sdata)
4 obj3
5
6 #如果只是传入一个字典 那么结果Series中索引就是字典得键 缺失为nan
7 states=['California','ohio','Oregon','Texas']
8 obj4=Series(sdata,index=states)
9
10 #使用isnull notnull判断缺失值
11
12
13 #Series中一个非常重要的功能就是在算数运算中自动对其不同索引得数据
14 obj3
15 obj4
16 obj3+obj4
h:series中有个特别的属性 name属性
1 bj4.name='population'
2 obj4.index.name='state'
3 ob
