1、Series简介
Pandas Series就像表格中的一列。它是一维数组，可保存任何类型的数据。Serial对象本质上由两个数组构成，一个数组构成对象的健(index,索引)，一个数组构成对象的值(values)。Series是带标签的一维数组，可存储整数、浮点数、字符串、Python 对象等类型的数据。轴标签统称为索引，它由两部分组成。
index：数据索引标签
values：一组数据(ndarray类型)
例如：
从列表中创建一个简单的Pandas Series：
import pandas as pd
a = [1, 7, 2]
myvar = pd.Series(a)
print(myvar)2、标签(Labels)
如果未指定其他任何内容，则这些值将用其索引号标记。 第一个值的索引为0，第二个值的索引为1，依此类推。
该标签可用于访问指定值。
例如：
返回Series的第一个值：
print(myvar[0])3、创建
标签(Labels)
使用index参数，可以命名自己的标签。
例如：
创建自己的标签：
import pandas as pd
a = [1, 7, 2]
myvar = pd.Series(a, index = ["x", "y", "z"])
print(myvar)创建标签后，可以通过参考标签来访问项目。
例如：
返回值“y”：
print(myvar["y"])4、Key和Value 对象作为 Series
创建Series时，还可以使用键/值对象，例如，dict。
例如：
从字典创建一个简单的Pandas Series：
import pandas as pd
calories = {"day1": 420, "day2": 380, "day3": 390}
myvar = pd.Series(calories)
print(myvar)注意：字典的键将成为标签。
要仅选择词典中的某些项目，请使用index参数，并仅指定要包括在Series中的项目。
例如：
仅使用“day1”和“day2”中的数据创建Series：
import pandas as pd
calories = {"day1": 420, "day2": 380, "day3": 390}
myvar = pd.Series(calories, index = ["day1", "day2"])
print(myvar)5、Series的索引和切片
1）位置下标
当使用默认值索引时，通常使用位置下标。类似列表的索引使用方式。
import pandas as pd
import numpy as np
data = np.random.randint(0,100,size=(6,))
series = pd.Series(data=data)
print(series)
print("_________")
print(series[0])
print(series[3])
print(series[4])
2）标签索引
用在显示索引时，通过key获取value的方式获取。
import pandas as pd
import numpy as np
data = np.random.randint(0,100,size=(6,))
series = pd.Series(data=data,index=list('abcdef'))
print(series)
print("___________")
print(series['a'])
print(series['f'])
print(series['c'])
3）布尔型索引
通过布尔型的数组获取Series对象中的值。
import pandas as pd
import numpy as np
data = np.random.randint(0,100,size=(6,))
series = pd.Series(data=data,index=list('abcdef'))
print(series)
print("________")
series2 = series>50 # 获取series中大于50的元素，series2是一个bool类型的数组
print(series2)
print("________")
print(series[series2]) # 通过series2这个bool数组获取series中的元素
4）切片索引
import pandas as pd
import numpy as np
data = np.random.randint(0,100,size=(6,))
series = pd.Series(data=data)
print(series)
print("___________")
#隐式索引：通过整数
print(series[1:5])
print(series[:4])
print(series[2:])
print(series.iloc[2]) # 指定下标
print(series.iloc[1:3]) # 指定切片范围
data = np.random.randint(0,100,size=(6,))
series = pd.Series(data=data,index=list('abcdef'))
print(series)
print("___________")
#显示索引：通过字符标签
print(series['a':'d'])
print(series['a':])
print(series[:'f'])
print(series[::2])
print(series.loc['a':'e'])
print(series.loc[['a','c','f']])
6、Series的常用函数
1）series.head(n)
显示从前边计算的数据行，可以指定显示的行数，不写n默认是前5行。
2）series.tail(n)
显示从后边计算的数据行，可以指定显示的行数，不写n默认是前5行 。
3）series.unique()
去除重复的值
4）series.notnull()
不为空返回True，为空返回False。
5）series.isnull()
不为空返回False，为空返回True。
import pandas as pd
import numpy as np
lst = [11,13,20,16,12,8]
series = pd.Series(lst,index=["A","B","C","D","E","F"])
print(series.head()) # 获取前5行
print(series.tail()) # 获取后5行
print(series.unique()) # 去除重复的值
series['B']=None # 修改D索引对应的值为None
print(series.isnull()) # 判断是否有空值
print(series.notnull()) # 判断是否有非空值
7、DataFrames
Pandas中的数据集通常是多维表，称为DataFrames。
Series就像一列，DataFrame是整个表。
例如：
从两个Series创建一个DataFrame：
import pandas as pd
data = {
"calories": [420, 380, 390],
"duration": [50, 40, 45]
}
myvar = pd.DataFrame(data)
print(myvar)相关文档：