Pandas的数据结构之Series

Series是一种类似于一维数组的对象，由下面两个部分组成：

- values：一组数据（ndarray类型）

• index：相关的数据索引标签

1.series的创建

两种创建方式
(1) 由列表或者numpy数组创建
n = np.array([1,2,3,4,5])
s = Series(n,index=list(‘ABCDE’)) # 可以设定index参数指定索引

特别地，由ndarray创建的是引用，而不是副本。对Series元素的改变也会改变原来的ndarray对象中的元素。（列表没有这种情况）

(2) 由字典创建
data_dict = {‘A’:1, ‘B’:2, ‘C’:3, ‘D’:4}
s = Series(data_dict)

2.Series的索引和切片

可以使用中括号取单个索引（此时返回的是元素类型），或者中括号里一个列表取多个索引（此时返回的仍然是一个Series类型）。分为显示索引和隐式索引：

(1) 显式索引：

• 使用index中的元素作为索引值
• 使用.loc[]（推荐）
  注意，此时是闭区间

显示索引的两种方式
s[’’] 直接写中括号
s.loc[’’] 推荐写法

(2) 隐式索引：

• 使用整数作为索引值
• 使用.iloc[]（推荐）
  注意，此时是半开区间

在series中，永远不要使用直接中括号进行索引

3.Series的基本概念

可以把Series看成一个定长的有序字典

可以通过shape，size，index,values等得到series的属性
s.head() 看前5条数据的样式
s.tail() 后5条

可以使用pd.isnull()，pd.notnull()，或自带isnull(),notnull()函数检测缺失数据

Series对象本身及其实例都有一个name属性

4.Series的运算

1. 适用于numpy的数组运算也适用于Series
2. (2) Series之间的运算
   - 在运算中自动对齐不同索引的数据
   - 如果索引不对应，则补NaN

当两个Series进行相加时，如果索引不对应，那么就会填补Nan

注意：要想保留所有的index，则需要使用.add()函数