pandas_series02

3. 如何结合多个series组成dataframe 

   # 构建series1
   ser1 = pd.Series(list('abcedfghijklmnopqrstuvwxyz')) 
   # 构建series2
   ser2 = pd.Series(np.arange(26))
   
   # 方法1，axis=1表示列拼接，0表示行拼接
   df = pd.concat([ser1, ser2], axis=1)
   
   # 与方法1相比，方法2设置了列名
   
       df = pd.DataFrame({'col1': ser1, 'col2': ser2})
       print(df.head())
       
       #>      col1  col2
           0    a     0
           1    b     1
           2    c     2
           3    e     3
           4    d     4

   4. 如何命名列索引的名称

      ser = pd.Series(list('abcedfghijklmnopqrstuvwxyz'))
      
      \# 命名索引列名称
      ser.name = 'alphabets'
      \# 显示前5行数据
      
      ser.head()
      
      #>    0    a
          1    b
          2    c
          3    e
          4    d
          Name: alphabets, dtype: object

      5. 如何获得series对象A中不包含series对象B的元素

         ser1 = pd.Series([1, 2, 3, 4, 5])
         ser2 = pd.Series([4, 5, 6, 7, 8])
         
         \# 返回ser1不包含ser2的布尔型series
         ser3=~ser1.isin(ser2)
         \# 获取ser不包含ser2的元素
         
         ser1[ser3]
         
         #>    0    1
             1    2
             2    3
             dtype: int64

如何获得seriesA和seriesB不相同的项

ser1 = pd.Series([1, 2, 3, 4, 5])
ser2 = pd.Series([4, 5, 6, 7, 8])

\# 求ser1和ser2的并集
ser_u = pd.Series(np.union1d(ser1, ser2))
# 求ser1和ser2的交集
ser_i = pd.Series(np.intersect1d(ser1, ser2))
\# ser_i在ser_u的补集就是ser1和ser2不相同的项

ser_u[~ser_u.isin(ser_i)]

#>    0    1
    1    2
    2    3
    5    6
    6    7
    7    8
    dtype: int64