python中关于数据结构Series的讲解

先提兴一下：Series在python中是区分大小写的。

#数据结构Series
#1、数据结构对象
"""
 Series是在Pandas库中出现的数据结构
 每个Series对象实际上都由两个相互关联的数组组成，其中主数组用来存放数据。
 主数组的每个元素都有一个与之相关联的标签，这些标签存储在Index的数组中 
 如果不指定索引，默认生成的索引是0到N-1 
 通过Series对象的values和index属性 分别获取对应的值和索引
 例如：
"""
import numpy as np
import pandas as pd
b = pd.Series([1,2,3,4])
print(b)
"""
输出：
0    1   第一列为索引，默认为0-k
1    2   第二列为values的值
2    3
3    4
"""
print(b.values)
#dtype: int64  [1 2 3 4]
print(b.index)
#RangeIndex(start=0, stop=4, step=1)

#索引是默认的，当然也可以通过修改索引来更好地应用再实际操作中，如：
b= pd.Series([1,2,-2,0], index=["a","b","c","d"]) 
print(b)
"""
a    1
b    2
c   -2
d    0
dtype: int64
"""
#通过使用索引来获取和设置对应的值,如：
print(b['b'])
#输出2
#2、创建Series的方法（再次提兴S要大写）
#利用实数，如 
pd.Series(3, index=list("abc")) 
#利用列表，如
pd.Series(list("Hello")) 
#利用元组，如
pd.Series(tuple("Hello")) 
#利用ndarray数组，如
pd.Series(np.zeros(5)) 
#利用字典，如
pd.Series({"name":"tom","age":22})

#说下Series与字典的关系：
"""
 Series不仅可以从字典创建，也可以认为Series是一个长度固定且有序的字典  
 Series将索引值和数据值按位置配对
 在使用字典的上下文中都可以使用Series，如obj[‘b’]为3
 通过字典生成Series，默认自动排序，也可以指定索引顺序 
"""
b = pd.Series({'e':5,'b':3,'f':4}, index = ['a','b','e']) 
print(b)
"""
输出：
a    NaN
b    3.0
e    5.0
dtype: float64
可以看到因为没有a的索引 ，所以值为NaN
"""