pandas基础类型

#python 基础数据类型
#int 整数 float 浮点 string 字符串
#list 列表 dict 字典 tuple 元组

#pandas 它的数据类型
# Series --> 类比numpyarray 多了个索引

1.一个Series 有索引加值组成
2.dtype 是元素值得类型 而不是索引类型

import pandas as pd
import numpy as np
from pandas import Series,DataFrame

#创建Series
s = Series([4,-2,5,1.2])
print(s)

'''
1.一个Series 有索引加值组成
2.dtype 是元素值得类型 而不是索引类型
'''
#查看索引 index 是一个特殊的对象
print(s.index)
#它的值
print(s.index.values)

#series的值 使用values调用 结果是一个numpy数组对象
print(s.values)

#创建自定义索引 Series
'''
注意事项 自定义索引 索引数=元素个数
dtype 元素类型 可以使用python原生类型 numpy扩展类型
'''
s1 = Series([4,5,6,7],index=list('abcd'),dtype=np.float64)
print(s1)

print(s1.index)
'''
读取Series 通过索引读取值
1 0-n的索引
3 自定义索引
'''

#数字索引读取
print(s[0])

#如果是自定义索引纯数字就不能够用0-n的索引去读取，只能用自定义
s2 = Series([4,7,6,5],index=[3,5,7,9],dtype=np.float64)
print(s2)

print(s2[3])

#Series.loc[自定义索引] Series.iloc[0-n数字]
print(s2.loc[7])

print(s2.iloc[3])

#修改值 xxx.loc['yy'] = new 或增加
s1.loc['a']=5
print(s1)

s1.loc['e']=9
print(s1)


#读取多个值 会得到新的对象

#单点读取
print(s1[['a','c']])
#区间读取  可加步长
print(s1['a':'c'])
# 用区间 提取出 a,c,e

print(s1[::2])

#Series 删除元素
'''
pop 直接作用于原数据 使用索引删除
'''
s1.pop('d')
print(s1)