1 Series
a：類似一維數組的對象，每一個數據與之相關的數據標簽組成
b:生成的左邊為索引，不指定則默認從0開始。
1 from pandas import Series,DataFrame 2 import pandas as pd 3 #series 一組數據與相關得數據標簽組成 4 obj=Series([4,7,-5,3]) 5 obj#索引在左邊 值在右邊
c:可以通過values和index屬性獲取數組的表示形式和索引對象
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:通過索引值得到值
1 obj2['a'] 2 obj2[['c','a','d']] 3 obj2[obj2>0]
f:如果數據在python字典中 可以直接通過字典來創建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個Series運算的時候會自動匹配相同的索引進行操作
1 #如果數據在Python字典中 可以直接通過這個字典來創建Series 2 sdata={'ohio':35000,'Texas':7100,'Oregon':1600,'Utah':5000} 3 obj3=Series(sdata) 4 obj3 5 6 #如果只是傳入一個字典 那么結果Series中索引就是字典得鍵 缺失為nan 7 states=['California','ohio','Oregon','Texas'] 8 obj4=Series(sdata,index=states) 9 10 #使用isnull notnull判斷缺失值 11 12 13 #Series中一個非常重要的功能就是在算數運算中自動對其不同索引得數據 14 obj3 15 obj4 16 obj3+obj4
h:series中有個特別的屬性 name屬性
1 bj4.name='population' 2 obj4.index.name='state' 3 ob
