pandas的數據結構介紹
要使用pandas,你首先要熟悉它的兩個主要數據結構：Series和DataFrame。雖然它們並不能解決所有問題，但它們為大多數應用提供了一種可靠的、易於使用的基礎
Series
Series的字符串表現形式為：索引在左，值在右。由於我們沒有為數據指定索引，於是會自動創建一個0到N-1的整數型索引。可以通過values和index屬性來獲取其數組表示形式和索引對象
可以指定索引。與NumPy相比，你可以通過索引的方式選取Series中的單個或一組值
NumPy運算（如根據布爾型數值進行過濾，標量乘法，應用數學函數等）都會保留索引和值之間的連接：
還可以將Series看成是一個定長的有序字典，如果數據被存放在一個Python字典中，也可以通過這個字典來創建Series
如果只傳入一個字典，則結果Series中的索引就是原字典的健。也可以指定索引
Series對象本身及其索引都有一個name屬性，該屬性跟pandas其他的關鍵功能關系非常密切：
總結：結合以上程序，放在Series里的可以有：列表；列表+索引；字典；字典+索引。一共四種
pandas的isnull和notnull函數可以用於檢測缺失數據。也可以用Series的實例方法：例如：obj4.isnull()
DataFrame
DataFrame是一個表格型數據結構，含有一組有序的列，每列可以是不同的值類型（數值、字符串、布爾值等）。DataFrame既有行索引也有列索引，它可以被看作由Series組成的字典（和Series共用同一個索引）。其實，DataFrame中的數據是以一個或多個二維塊存放的（而不是列表、字典或別的一維數組結構）。有關DataFrame內部的技術細節遠遠超過本書所討論的范圍
構建DataFrame的辦法有很多，最常用的一種是直接傳入一個由等長列表或NumPy數組組成的字典
結果DataFrame會自動加上索引（跟Series一樣），且全部列會被有序排列
如果指定了列序列，則DataFrame的列就會按照指定順序進行排列：（指定的列序列，必須在data字典里）
如果指定的列不在data字典里，就會變成NaN
通過類似字典標記的方式和屬性的方式，可以將DataFrame的列獲取為一個Series
也可通過行索引字段ix來獲取各列
關鍵字del用於刪除列
警告：通過索引方式返回的列只是相應數據的視圖而已，並不是副本。因此，對返回的Series所做的任何就地修改都會反映到源DataFrame上。通過Series的copy方法即可顯示地復制列。
可以輸入給DataFrame構造器的數據有：
二維ndarray
由數組、列表或元組組成的字典
由Series組成的字典
由字典組成的字典
字典或Series的列表
等等.....
詳細見書中表格5-1
跟Series一樣，都有index.name的屬性和columns.name的屬性
values屬性也會以二維ndarray形式返回DataFrame中的數據
如果DataFrame各列的數據類型不同，則值數組的數據類型就會選用能兼容所有列的數據類型
索引對象
（124頁）
媽的！服務器奔潰！全他媽刪了！沒保存的后果！
（138頁）