python数据分析必备工具（2）pandas(1)Series

Pandas —数据分析核心工具包

    import pandas as pd

Series

    1.Series 是一种带有标签的一维数组，可以保存任何数据类型，轴标签统称为索引
          ar=np.random.rand(5)
          s=pd.Series(ar)
          s.index #### s的索引
          s.values #### 数值  类型 ndarray
          相比ndarray ,是一个自带索引index的数组 --->对应索引 + 一维数组
          相比dict ，更像一个有序字典，索引原理与字典原理相似 key (index)---value
        Series创建方法
                 1：由字典创建，字典的key就是index,values就是values
                        dic={’a‘:1,'b':2,'c':3}
                        s=pd.Series(dic)
                  2. 通过一维数组创建
                         ar=np.random.rand(5)
                         s=pd.Series(ar,index=['a','b','c','d','e'])   ###index默认从0开始，指定index时必须和数据长度相同   
                  3.通过标量创建
                       s=pd.Series(100,index=range(4))   
        Series 索引：
                  1.下标索引：
                         s=pd.Series(np.random.rand(5))
                         s[2]
                   2. 标签索引:
                          s=pd.Series(np.random.rand(5),index=['a','b','c','d','e'])
                          s['a']  ###选取一个标签
                          s[['a','b']]  ###选取多个标签
           Series 	切片：
                         s[1:4]  ###使用下标 [1,4)
                         s['a':'e']   ###使用标签['a', 'e']
                    3. 布尔值索引：
                         s>2 返回布尔值
                         s[s>2]
           Series 数据查看：
                      s=pd.Series(np.random.rand(5))
                      s.head() ####默认查看前5条
                      s.tail()
            
              Series 重新索引：
                      s=pd.Series(np.random.rand(5),index=['a','b','c','d','e'])
                      s.reindex([]) ####根据新的索引重新排序，当索引不存在时引入缺失值(fill_value=0) 缺失值重新填充为0
                 Series 对齐：
                               s=pd.Series(np.random.rand(5),index=['a','b','c','d','e'])
                               s1=pd.Series(np.random.rand(5),index=['a','f','c','d','g'])
                               s+s1 #####按照索引对齐，然后进行相加
                  Series 删除：
                              s=pd.Series(np.random.rand(5),index=['a','b','c','d','e'])
                              s.drop('e')
                              s.drop(['e','a']) ##inplace=False 不会改变原数据，返回副本 
                                                    ###inplace=True 会改变原数据 
                   
                    Series 添加：
                              s=pd.Series(np.random.rand(5),index=['a','b','c','d','e'])
                              s['f']=100
                              s2=s.append(s1)