1.Series类型: *.由一组数据及与之相关的数据索引组成. *.首先,Series有自动索引,但它还有自动索引,如: import pandas as pd b=pd.Series([4,6,8,3,6],index=["a","b","c","d","e"])
2.Series可由以下类型创建: Python列表,标量值,Python字典,ndarray,其他函数.*从标量值创建: s=pd.Series(25,index=["a","b","c"]) 这样创建的Series对象含有三个元素,值都是25,索引分别是"a","b","c"*.从字典创建: d=pd.Series({"a":9,"b":8,"c":7}) 还可以e=pd.Series({"a":9,"b":8,"c":7},index=["c","a","b","d"]) 能对上的都不变,只不过索引为"d"的值为NaN*.从ndarray创建(非常常见): n=pd.Series(np.arange(5),index=np.range(9,4,-1))
Series类型的基本操作: Series类型包括index和values两部分, *使用.index获得所有索引,返回结果的类型就叫Index *使用.values获得数据.返回的结果是numpy的array类型Series类型的操作类似ndarray类型, *索引方法相同 *numpy中运算和操作可用于Series类型, *可以通过自定义索引的列表进行切片 *也可以通过自动索引进行切片Series类型的操作类似Python字典. *自动索引(自己生成的索引)和自定义索引并存 *可以一次索引多个值 b["b"],b[["c","d","a"]] *虽然两套索引并存,但不能混用 *.还有in的用法(看在不在索引里,不看值,不看自动索引) "c" in b *.还有get() b.get("f",100) 如果没有这个自定义索引,就返回100 *方括号里还可以放条件,很想数据库的查询语句 b[b>median()]Series类型对齐操作: 对于Series+Series 如果自定义索引的值相同,就进行运算.否则留下索引,值为NaN 会自动对其索引相同的值,是基于索引的运算,不像numpy是基于维度的运算
3.Series的name属性: Series对象和索引都可以有一个名字,存储在,name中 b.name="第一个Series对象" b.index.name="索引列" 可以随时修改并即刻生效 理解:Series其实是自定义索引和值的结合