38 pandas统计分析基础--Series

简介

Pandas是Python下最强大的数据分析和探索工具。名称来自于面板(PanelData)和Python数据分析(DataAnalysis)。支持类似于SQL的数据增、删、改、查，并带有丰富的数据处理函数。支持时间序列分析功能，支持灵活处理缺失数据。

统计分析几乎贯穿了整个数据分析的流程，即运用统计方法，将定量与定性结合，进行的研究活动。统计分析除了包含单一数值型特征的数据集中趋势、分散趋势和峰度与偏度等统计知识外，还包含了多个特征比较计算等知识。

一.pandas的数据结构介绍

要使用pandas，就要先熟悉它的两个主要数据结构：Series和DataFrame。

1.Series

• 创建
  Series是一种类似于一维数组的对象，它由一组数据（各种Numpy数据类型）以及一组与之相关的数据标签（即索引）组成。
  仅仅由一组数据就可以产生最简单的Series

import pandas as pd

obj = pd.Series([1, 2, 3, 90])
print(obj)

Series的字符串表现形式为：索引在左边，值在右边。 由于没有为数据指定索引，于是会自动创建一个0到N-1（N为数据长度）的整数型索引。

• 属性
  可以通过Series的values和index属性获取其数组表示形式和索引对象：

import pandas as pd

obj = pd.Series([1, 2, 3, 90])
print(obj.values)
print(obj.index)

• 通常，我们希望创建的Series带有一个可以堆各个数据点进行标记的索引：

import pandas as pd

obj2 = pd.Series([1, 2, 3, 90], index=['a', 'b', 'c', 'd'])
print