3.pandas常用数据结构series和方法

1、通过pandas.Series来创建Series（序列）数据结构。

pandas.Series(data,index,dtype,name).

上述参数中，data可以为列表，array或者dict.

上述参数中，index表示索引，必须与数据同长度，name代表对象名称

series1=pd.Series([2.8,3.01,8.99,8.59,5.18])
series2=pd.Series([2.8,3.01,8.99,8.59,5.18],index=['a','b','c','d','e'],name='这是一个series')
series3=pd.Series(np.array([2.8,3.01,8.99,8.59,5.18]),index=['a','b','c','d','e'])
series4=pd.Series({'北京':2.8,'上海':3.01,'广东':8.99,'江苏':8.59,'浙江':5.18})
实例：
import pandas as pd
import numpy  as np
#创建序列方式一
series1=pd.Series([2.8,3.01,8.99,8.59,5.18])#内容可以是列表、元组、字典
type(series1)#数据种类
结果：
pandas.core.series.Series#序列结果
series1:
0    2.80
1    3.01
2    8.99
3    8.59
4    5.18
dtype: float64
#创建序列方式二
series2=pd.Series([2.8,3.01,8.99,8.59,5.18],index=['a','b','c','d','e'],name='这是一个series')
series2:
a    2.80
b    3.01
c    8.99
d    8.59
e    5.18
Name: 这是一个series, dtype: float64
#创建序列方式三
#字典键作为行索引，字典值作为值
series3=pd.Series({'北京':2.8,'上海':3.01,'广东':8.99,'江苏':8.59,'浙江':5.18})
series3:
北京    2.80
上海    3.01
广东    8.99
江苏    8.59
浙江    5.18
dtype: float64
#如何访问？
#访问方式一通过位置访问元素，左闭右开
series3[0:3]
北京    2.80
上海    3.01
广东    8.99
#访问方式二通过索引标签访问元素，
series3["北京"]
2.8
series3["北京":"江苏"]
北京    2.80
上海    3.01
广东    8.99
江苏    8.59
dtype: float64
#输出值
series1.values#输出的是值，是数组结构
array([2.8 , 3.01, 8.99, 8.59, 5.18])
series1.index #输出序列的行索引
RangeIndex(start=0, stop=5, step=1)
series1.dtype#输出序列的数据类型
dtype('float64')
series3.index #输出序列的行索引
Index(['北京', '上海', '广东', '江苏', '浙江'], dtype='object')