pandas中的Series对象

#Series和DataFrame是pandas中最常用的两个对象
"""
1。可以用Numpy的数组处理函数直接对Series对象进行处理
2。支持使用位置存取元素，使用索引标签作为下标存取元素

每个Series对象实际上都是由两个数组组成：
1）index：从ndarray数组继承的Index索引对象，保存标签信息。不指定，则自动创建一个表示位置下标的索引
2）values：保存元素值的ndarray数值，NumPy的函数都对此数组进行处理
"""
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5], index=["a", "b", "c", "d", "e"])
print("索引：", s.index)
print("值数组：", s.values)

print("位置下标：s[2]=", s[2])
print("标签下标：s['d']=", s['d'])

"""
支持位置切片和标签切片。
位置切片遵循python的切片规则，包括起始位置，但不包括结束位置
但标签切片规则同时包括起始标签和结束标签
"""
print("位置切片：s[1:3]\n", s[1:3])
print("索引切片：s['a','d']\n", s['b':'d'])

"""
使用位置列表或位置数组存取元素，同样也可以使用标签列表和标签数组
"""
print("位置列表取元素：s[[1,3,4]]\n", s[[1, 3, 4]])
print("标签列表取元素：s[['a', 'c', 'd']]\n", s[['a', 'c', 'd']])

"""
支持字典的一些功能
"""
print(list(s.iteritems()))

"""
对两个Series对象进行操作符运算，pandas会按照标签对齐元素，运算操作符会对标签相同的两个元素进行计算
当一方的标签不存在时，默认以NaN填充，由于NaN是浮点数中的一个特殊值，因此输出的Series对象的元素类型被转换为float64
"""

s2 = pd.Series([20, 30, 40, 50, 60], index=["b", "c", "d", "e", "f"])
print(s)
print(s2)
print(s+s2)

参考《Python科学计算》