Python疑难杂症（18）----深入介绍Python的pandas模块的series对象的多种创建方法、数学运算、信息统计、数据的查看赋值、以及清洗方法。本章学透了，可深入掌握一维数据的高级操作

判断索引是否在series中

datadf=pd.Series([10,20,30,40,50,60],index=['a','b','c','d','f','g'])

datadf

判断索引‘a’是否在datadf中，在里面显示T，而“A”不在索引中，为False

'a' in datadf

输出：True

'A' in datadf

输出：False

而下面第一个语句，判断的索引，而索引为字母，所以显示False，第二个语句，判断的是值域，所以显示True。

10 in datadf

输出：False

10 in datadf.values

输出：True

dict创建Series对象

datadf1 = {'600363': 30.09, '002735': 10.8, '300738': 11.15,'603868':50.02}

s1 = pd.Series(datadf1)

print(s1)

输出：

600363    30.09

002735    10.80

300738    11.15

603868    50.02

dtype: float64

数学运算：

可以直接对Series进行数学运算，这将返回一个新的Series。例如：可以使用 map() 或 apply() 等方法对Series的每个元素应用一个函数。

相加

datadf1 = {'600363': 30.09, '002735': 10.8, '300738': 11.15,'603868':50.02}

s1 = pd.Series(datadf1)

print(s1)

输出：600363    30.09

002735    10.80

300738    11.15

603868    50.02

dtype: float64

相乘

print(s1*10)

print('只显示变量：',(s1*10).values)

输出：600363    300.9

002735    108.0

300738    111.5

603868    500.2

dtype: float64

只显示变量：