Pandas基础——Series

本文将讲解Pandas数据结构中的Series。

Series类似于字典，但不是字典，因为他的索引可以是重复的。

一、Series的创建

1. 使用pd.Series()
2. 从DataFrame中取出一行或者一列

1.1、 使用pd.Series()

第二种方法主要在DataFrame的讲解中介绍，这里主要讲解使用前者pd.Series()，里面的参数可以是普通的列表，也可以是字典、其他的ndarray或者标量值。

使用标量值

1.2、从DataFrame中取出一行或者一列

使用DataFrame中的一列或者一行进行创建时，建议使用一个copy()函数，不然会影响到DataFrame中的原数据。

s = df["one"].copy()

二、Series的属性

最主要用的就是index和values两个属性。

2.1、index

2.2、values

index和values取出来之后，都可以用于勾践其他的Series或者DataFrame。

三、取出数据

取元素可以分为根据索引值取，和根据值取。

3.1、根据索引取

即使是自己另外设置了索引，隐式索引还是存在的，我们可以使用着两种索引来取值。

隐式索引（implicit index）所以使用iloc

1. 使用loc[ ]和iloc[ ]来取值操作，前者只操作显示索引，后者只操作隐式索引。
2. 但是loc和iloc不是函数，所以不使用小括号()而是中括号。
3. loc和iloc都是闭区间，而不是左闭右开
   
   
   上面举的例子，都是去的连续索引的，也可以是不连续的，需要使用列表把索引包括起来。
   

利用索引取值，不仅可以使用loc和iloc还可以使用get()函数来取值

3.2、根据值取

根据值取元素，实际上就是生成一个bool类型的Series，在用其进行索引取值。

四、增加元素

一般就是一条一条地添加元素，添加方法。

如果有大量的记录需要添加，可以先转换成ndarray再转化成list，再使用extend（）方法

五、删除元素

s.drop()

六、修改元素值

修改元素就相当于先取出元素，再赋值即可。同样也可以根据索引或者元素值

七、Series之间的运算

对应的索引值之间进行运算，如果a有这个索引，但是b没有，则任何值与NaN之间的运算结果都是NaN

八、总结

1. 只有元素的删除不会直接修改原Series，会返回一个新的Series
2. 使用DataFrame生成Series时，一定别忘了加一个copy()，避免修改到DataFrame