Pandas --Series序列

一.什么是Series

　　pandas Series 是一个带有标签的一维数组，能够保存任何数据类型（整数、字符串、浮点数、Python对象等）。你可以将它想象成 Excel 表格中的一列，或者一个字典与列表的结合体。是构建和分析更复杂二维数据（DataFrame）的基础。

　　它的两个核心组成部分是：

　　　　1）索引 (index)： 类似于字典的键，是数据的标签。

　　　　2）数据 (values)： 存储的实际数据，是一个 NumPy 数组。

　　使用的场景如：

　　　　1）单变量数据分析

　　　　　　分析一个指标随时间的变化（如每日气温、股价）

　　　　　　分析一个属性的分布（如一个班级所有学生的身高）

　　　　2）作为 DataFrame 的列

　　　　　　这是 Series 最普遍的用法。当你从 DataFrame 中取出一列时，你得到的就是一个 Series

二.演示

　　21. 创建Series 序列

"""
创建Series时指定了index,叫创建显示索引或 创建标签索引
重点：index是接一个列表或者接一个元组，不能是集合set,因为集合（set）是无序的。因为输出如下： 
a    9
b    9
c    9
"""
#index接一个集合set，这是错误的，导致每次构建时索引的顺序不同
s=pd.Series(9,index={"a","b","c"})#index接一个元组，正确
s=pd.Series(9,index=("a","b","c"))
#index接一个列表，正确
s=pd.Series(9,index=["a","b","c"])
print(s)"""
没有指定index索引,索引从0开始编号  
叫创建隐式索引,输出如下： 
0    21
1    39
2    42
3    56
4    81
"""
s=pd.Series([21,39,42,56,81])
print(s)"""
使用字典生成series,其中字典的键作为索引index，输出如下：
a    0
b    1
c    2
d    3
"""
s=pd.Series({"a":0,"b":1,"c":2,"d":3})
print(s)"""
使用范围生成series,索引与数据一 一对应，输出如下：
0    0
1    1
2    2
3    3
4    4
"""
s=pd.Series(np.arange(5))
print(s)

"""使用随机数创建带有index的显式索引(标签索引)，输出如下：
A    76
B    69
C    36
D    73
"""
s1=pd.Series(np.random.randint(10,100,4),index=['A','B','C','D'])
print(s1)#修改索引时，要整体修改，修改后输出如下：
"""
E    76
F    69
G    36
H   73
"""
s1.index=list('EFGH')
print(s1)

　　2.2 Series的属性

　　　　Series的属性包括：index,values,dttype,shape,ndim,size,nbytes,name,hasnans,empty,T等

"""values属于获取series的值 
"""
s2=pd.Series([21,39,42,56,81])
#输出：[21 39 42 56 81]
print(s2.values)
#输出： 39
print(s2.values[1])"""hasnans属于判断对象中是否有缺失值
"""
s2=pd.Series([21,39,None])
#输出：True
print(s2.hasnans)"""empty属于series对象是否为空
"""
s3=pd.Series()
#输出：True
print(s3)"""shape属性获取series形状, series是一维的ndim属性获取series维数
"""
#  输出：(3,)   ---表示3行1列
print(s2.shape)
#输出：1  ---表示1个维度
print(s2.ndim)"""nbytes获取series对象在内存中占据的字节数 size获取series对象的数据元素个数
"""#输出：24 ---占用24个字节 3*8=24
print(s2.nbytes)
# 输出：3
print(s2.size)

　　2.3 Series的增删改查

"""series的数据操作演示--提取和修改数据;添加数据;删除数据;删除series本身
"""
s4=pd.Series([99,74,44,73],index=['A','B','C','D'])
#查询数据 都是提取输出数据：74。 loc通过索引名称来取数据, iloc通过索引下标来取数据
print(s4['B'])
print(s4.loc['B'])
print(s4.iloc[1])#修改数据单个数据
s4['B']=777#或者通过s4.loc['B']=777修改
#输出s4的序列，其中索引B处的数据值已改为777
print(s4)
#输出s4的序列，其中索引下标1处(B处)的数据值已改为777
s4.iloc[1]=999
print(s4)#修改数据多个,通过索引下标修改，这里修改索引下标是0和2的对应数据值
s4[[0,2]]=(11,22)
#输出s4的序列，其中下标0处和3处的数据值分别改为了11,22
print(s4)#通过切片查询与修改
#从下标0开始取到3(不包含3)，取前面三个0，1，2下标索引的序列
print (s4[0:3])
#切片，从下标1开始取到3(不包含3)，取二个1，2下标索引的序列
print (s4[1:3])
#切片修改，从下标0开始取到2(不包含2)，修改下标0，1的数据值
s4[:2]=(12,64)
print(s4)#添加数据 
s5=pd.Series([99,74,44,73],index=['A','B','C','D'])
#添加一行数据
s5['E']=31
print(s5)#删除索引为E的行,使用del和drop()
del s5['E']
print(s5)
#删除索引为D的行，inplace=True是原地删除，把s5中指定数据行删除。inplace=False返回删除后的对象，不是s5对象
s5.drop(labels='D',inplace=True)
print(s5)
#删除索引为A和B的行
s5.drop(labels=['A','B'],inplace=True)
#输出 C    44
print(s5)#删除series本身
del s5