pandas--Series

import pandas as pd

x=pd.Series([1,2,3])

y=pd.range(5)

z=pd.Series({‘a’:1,‘b’:2,‘c’:3})

m=pd.Series(np.array([1,2,3]))

pandas在创建啊数组的时候和numpy差不多，区别在于pandas可以创建字典形式的数组，可以自定义数组的索引，Serise了；类似于字典的索引通过key，values索引，不支持负数索引，而adarray类似于list索引，支持负数索引

x=pd.Series(33,index=[‘a’,‘b’,‘c’])
输出结果
a 33
b 33
c 33
可以实现数组的标量统一化

Series属性
index
values
Series可以通过index和values访问索引和值
shape
size
type

Series在进行运算的时候是根据标签进行运算的，如果是不一致，就会产生空值，空值和任何值做运算得到都是空值（NaN）例如：

s1=pd.Series([1,2,3],index=[1,2,3])

s2=pd.Series([2,3,4],index=[2,3,4])

display(s1*s2)

输出的结果如下：
1 NaN
2 4.0
3 9.0
4 NaN

在统计函数中，numpy吃力NaN但是Series忽略NaN 例如：

s1=np.array([1,2,3,np.nan])
s2=pa.Series([1,2,3,np.nan])

display(np.mean(s1))
display(np.mean(s2))

输出结果
nan

2

标签索引和位置索引
loc标签索引访问
lioc位置索引访问
利用标签索引来访问多个元素
s=pd.Series([1,2,3],index=list(‘abc’))
display(s.loc[[‘a’,‘c’]])
注意：loc后面是[[]]

通过位置索引访问元素
display(s.iloc[[0,2]])

通过索引得到的数据是原数据的拷贝，他们彼此之间不会产生干扰

Series删除用del函数
del s[‘a’]表示的删除标签为a的数据

也可以用drop

s.drop(‘f’,inplace=False)

inplace=False时：返回的是原数据和一个呗辅助的数据，被复制的数据里面不存在drop的数据

inplace=True时：返回的是原数据，注意，只有原数据，不存在drop的数据

删除多个数据
s=s1.drop([‘a’,‘b’,‘c’],inplace=True)