Pandas--Series

1.Pandas Series与numpy array

不同点：

• Series是一个类数组的数据结构，同时带有标签（lable）或者说索引（index）。
• Series可使用s.describe()。

相同点：

• 通过索引获取元素。
• 遍历 for x in a:
• 可使用函数：mean(),max()。

 

2.pandas series运算

import pandas as pd
a = pd.Series([1, 2, 3, 4])
b = pd.Series([1, 2, 1, 2])
  
print a + b
print a * 2
print a >= 3
print a[a >= 3]

0    2
1    4
2    4
3    6
dtype: int64
0    2
1    4
2    6
3    8
dtype: int64
0    False
1    False
2     True
3     True
dtype: bool
2    3
3    4
dtype: int64

a.describe()

count    4.000000
mean     2.500000
std      1.290994
min      1.000000
25%      1.750000
50%      2.500000
75%      3.250000
max      4.000000
dtype: float64

向量化运算和Series索引

#索引相同
s1 = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
s2 = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
print s1 + s2


a    2
b    4
c    6
d    8
dtype: int64

#索引顺序不同
s1 = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
s2 = pd.Series([1, 2, 3, 4], index=['b', 'd', 'a', 'c'])
print s1 + s2


a    4
b    3
c    7
d    6
dtype: int64

#索引存在不同元素
s1 = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
s2 = pd.Series([1, 2, 3, 4], index=['c', 'd', 'e', 'f'])
print s1 + s2


a    NaN
b    NaN
c    4.0
d    6.0
e    NaN
f    NaN
dtype: float64

# result.dropna() 去除NaN值