Coursera-Applied Data Science with Python-Introduction to Data Science in Python-Week2

一、The Series Data Structure：

Series是pandas的核心数据结构之一，在pandas中，Series是一个一维的类似的数组对象，可以看成一个介于list和dictionary之间的结构，它包含一个数组数据（任何numpy数据类型）和一个与数组关联的索引。为了方便理解，你可以把Series看着是一个有序字典。其中索引是连续的，从0开始。

在底层，pandas使用Numpy库将Series中的值存储到一个类型数组中(a typed array)，这样的话，使得处理series比处理传统的python的list要快很多。

1.创建Series:

    以list创建Series：

    如果只给出了list而不给出相应的index的话，pandas会对值自动分配从0开始的自增的index。而且在没有指定Series的name属性的情况下，pandas会根据处理内容添加上相应的name，比如下面的两个例子中，第一个的name就是object，第二个是int64。

import pandas as pd
animals = ['Tiger', 'Bear', 'Moose']
pd.Series(animals)

  

numbers = [1, 2, 3]
pd.Series(numbers)

   在python中以None表示缺失的数据，而在pandas中会根据所处理的对象类型的不同分为None和NaN，None代表某个对象，字符串等的缺失；NaN代表的是数值上的缺失，它和None很相似，但是NaN是数值类型的(numeric value)。这样分开处理的原因是，NaN的处理效率更高。

animals = ['Tiger', 'Bear', None]
pd.Series(animals)

numbers = [1, 2, None]
pd.Series(numbers)

    对于None和NaN来说，要注意下面几点：

   以dictionary创建series:

sports = {'Archery': 'Bhutan',
          'Golf': 'Scotland',
          'Sumo': 'Japan',
          'Taekwondo': 'South Korea'}
s = pd.Series(sports)
s

       可以通过Series的index属性获得所有的index

       使用dictionary创建series时，我们可以为series通过index参数指定series的index，具体来说就是，不管dictionary中的key值，以index参数列表中的值为准，即以后出现在series里的index一定是从index参数列表中来的，与dictionary中的key值无关。对于同时存在于index参数列表和dictionary的key的index值来说，series中会有相应的数据及标签；对于只在index参数列表中存在的index值来说，series中只有index值，相应的值被设置为None或者NaN；对于只在dictionary的key值中存在的index来说，series中不会出现。

    指定index和value：

s = pd.Series(['Tiger', 'Bear', 'Moose'], index=['India', 'America', 'Canada'])
s

   指定的index和dictionary的key不匹配：

sports = {'Archery': 'Bhutan',
          'Golf': 'Scotland',
          'Sumo': 'Japan',
          'Taekwondo': 'South Korea'}
s = pd.Series(sports, index=['Golf', 'Sumo', 'Hockey'])
s

2.获得Series中的值:

在Series中，数据(value)可以通过位置(index position)和标签(index label)进行查询。在没有为series设置index的情况下，位置和标签其实是一回事，都是从0开始自增的整数。

如果是采用位置进行查询的话，使用iloc属性ÿ