Python数据分析与可视化笔记 八 Pandas 处理结构化数据 Series

Pandas 提供了方便的类表格的统计操作和类 SQL 操作，使之可以方便地做一些数据预处理工作。Pandas 可以完成以下工作：

（1）索引对象：包括简单的索引和多层次的索引

（2）引擎集成组合：用于汇总和转换数据集合

（3）日期范围生成器以及自定义日期偏移

（4）输入工具和输出工具：从各种格式的文件中加载表格数据，以及从 PyTables/HDF5格式中保存和加载 Pandas 对象。

（5）标准数据结构的“稀疏”形式：可以用于存储大量缺失或者大量一致的数据。

（6）移动窗口统计：如滚动平均值、滚动标准偏差等。

Pandas 提供了两种主要的数据结构： Series 与 DataFrame。两者分别适用于一维和多维数据。

Series

Series 类似于一维数组与字典的结合，是一个有标签的一维数组，标签在 Pandas 中有对应的数据类型 index。

Series 的创建

Series 创建时可以接收多种输入，包括list、ndarray、dict甚至标量。index 参数可以选择性地传入。Series 对象输出时，每一行为 Series 中的一个元素，左侧为索引，右侧为值。

import pandas as pd
from pandas import DataFrame, Series

obj_a = Series([1,2,3,4]