Python pandas，创建Series类型

numpy只能处理数值类型的数据。pandas除了可以处理数值类型外，还可以处理非数值类型的数据(例如：字符串、时间序列等)

pandas常用的数据类型：Series(一维，带标签的数组，对应数据库中的一条记录)；DataFrame(二维，Series容器，对应数据库中的表)

 

demo.py（Series的创建）：

import pandas as pd  # 需要pip安装


# 创建Series类型(带标签的数组)
t = pd.Series([13, 23, 33, 43, 53])  # 默认索引从0开始。 元素可以是数值类型，也可以是字符串类型。
print(type(t))  # <class 'pandas.core.series.Series'>
print(t)
'''
0    13
1    23
2    33
3    43
4    53
dtype: int64
'''

t2 = pd.Series([13, 23, 33, 43, 53], index=list("abcde"))  # 可以通过index指定索引（索引个数要与元素个数一致）
print(t2)
'''
a    13
b    23
c    33
d    43
e    53
dtype: int64
'''


my_dict = {"name":"zhangsan", "age":18}
t3 = pd.Series(my_dict)   # 可以通过字典创建Series。 dtype元素类型会根据情况自动修改
print(t3)
'''
age           18
name    zhangsan
dtype: object
'''

t4 = pd.Series(my_dict, index=["age", "tel"])  # index指定的索引如果存在就正常显示，否则对应索引的值就是NaN
print(t4)
'''
age     18
tel    NaN
dtype: object
'''