Pandas常用的数据结构-Series

入门pandas，要熟悉两个常用的工具数据结构：Series和DataFrame。

Series是一维的数组型对象，包含了一个值序列，并且包含了数据标签，称为索引（index），最简单的序列可以仅由一个数组构成：

obj = pd.Series([4,5,7])
obj
> 0    4
  1    5
  2    7
  dtype: int64

由于我没有指定索引，所以默认生成的索引为0到N-1，我们可以通过以下属性分别获取Series对象的值和索引：

obj.values
>array([4, 5, 7], dtype=int64)
obj.index
>RangeIndex(start=0, stop=3, step=1)

如果想要自定义索引，那么就需要创建一个索引序列，用标签标识每个数据点

obj2 = pd.Series([4,5,7],index=list('abc'))
obj2
> a    4
  b    5
  c    7
  dtype: int64

上面的方法是在构造函数中初始化了索引标签，我们也可以通过位置赋值的方法动态的赋值索引：

obj.index = list('zxf')#['z','x','f']
obj
> z    4
  x    5
  f    7
  dtype: int64

我们可以根据标签来索引数据

obj2['b']
>5
# 取多值
obj2[['a','b']]

也可以使用Numpy风格的操作，例如使用bool进行过滤，示例如下：

obj2[obj2>5]
> c    7

如果从另外一个角度来考虑Series，可以把它认为是一个长度固定且有序的字典，因为它将索引和数据一一对应，也就是说，我们可以将字典转化成Series：

data = {'a':111,'b':222,'c':333}
obj3 = pd.Series(data)
obj3
> a    111
  b    222
  c    333
  dtype: int64

也许你会觉得这种排序方式不是你想要的，我们也可以将自定义排序传入到Series的构造函数当中

states = ['x','b','a']
obj4 = pd.Series(data, index=states)
obj4
> x      NaN
  b    222.0
  a    111.0
  dtype: float64

上例中，因为x对应的没有值，所以显示的是Not a Number，而因为自定义的排序中没有c，所以它被排除在外。

我们可以使用isnull和notnull来检查缺失的数据（实例方法或者顶级方法都可以）：

pd.isnull(obj4)
> x     True
  a    False
  b    False
  dtype: bool

Series还有自动对齐索引的特性，假如存在两个相同索引的Series，pd会尝试将其相加，如果无法得出数值，则会显示为NAN，示例：

obj3+obj4
> a    222.0
  b    444.0
  c      NaN
  x      NaN
  dtype: float64

上面的a索引对应值为111+111变成了222，而两个Series中不是共同拥有的索引则变成了NaN。

Series对象和其索引都有name属性，

obj4.name="zxf"
obj4.index.name="my_index_name"
obj4

如果需要计算，使用Series的实例方法即可，例如：

obj.mean()
obj.sum()

我们在计算时无须考虑缺失值，因为pandas会自动帮我们忽略掉。

YOLO813