pands基础--数据结构：Series
从本文开始介绍pandas的相关知识。
pandas含有是数据分析工作变得更快更简单的高级数据结构和操作工具，是基于numpy构建的。
本章节的代码引入pandas约定为：import pandas as pd，另外import numpy as np也会用到。
官方介绍：pandas - Python Data Analysis Library (pydata.org)
pandas数据结构介绍：主要有两种：Series和DataFrame。本文对Series进行简单介绍。
1 Series介绍
官方文档：pandas.Series — pandas 1.3.4 documentation (pydata.org)
1.1简介
Series是一种类似于一维数组的对象，它由一组数据（各种NumPy数据结构）以及一组与之相关的数据标签（即索引）组成。
1 >>> obj = pd.Series([4, 7, -5, 3])
2 >>> obj
3 0 4
4 1 7
5 2 -5
6 3 3
7 dtype: int64
1.2表现形式
Series的字符串表现形式为：索引在左边，值在右边。若没有为数据指定索引，则会自动创建一个0到N-1（N为数据的长度）的整数型索引。可通过Series的values和index属性获取其数组表示形式和索引对象。
1 >>> obj
2 0 4
3 1 7
4 2 -5
5 3 3
6 dtype: int64
7 >>>
8 >>> obj.index
9 RangeIndex(start=0, stop=4, step=1)
10 >>> obj.values
11 array([ 4, 7, -5, 3], dtype=int64)
12 >>>
如果希望所创建的Series带有一个可以对各个数据点进行标记的索引：
1 >>> obj2 = pd.Series([4, 5, 7, -3], index=['a', 'b', 'c', 'd'])
2 >>> obj2
3 a 4
4 b 5
5 c 7
6 d -3
7 dtype: int64
8 >>> obj2.index
9 Index(['a', 'b', 'c', 'd'], dtype='object')
也可以通过字典来创建Series。如果只传入一个字典，则结果Series中的索引就是原字典的键（有序排列）。
1 >>> sdata = {'a':100, 'b':200, 'c':300}
2 >>> obj3 = pd.Series(sdata)
3 >>> obj3
4 a 100
5 b 200
6 c 300
7 dtype: int64
8 >>> index = ['a', 'd', 'c']
9 >>> obj4 = pd.Series(sdata, index=index)
10 >>> obj4
11 a 100.0
12 d NaN
13 c 300.0
14 dtype: float64
15 >>>
上面的例子中，索引为’d’的值为NaN，即“非数字”（not a number）。在pandas中，它用于表示确实或者NA值，使用缺失或NA表示缺失数据，另外isnull和notnull函数可用于检测缺失数据。
1 >>> obj4
2 a 100.0
3 d NaN
4 c 300.0
5 dtype: float64
6 >>>
7 >>> pd.isnull(obj4)
8 a False
9 d True
10 c False
11 dtype: bool
12 >>> pd.notnull(obj4)
13 a True
14 d False
15 c True
16 dtype: bool
1.3索引方式
与普通NumPy数组相比，可以通过索引的方式选取Series中的单个或一组值。
1 >>> obj2['a']
2 4
3 >>> obj2[['a', 'b', 'c']]
4 a 4
5 b 5
6 c 7
7 dtype: int64
8 >>>
还可以将Series看作一个定长的有序字典，因为它是索引值到数据值的一个映射。
1 >>> 'b' in obj2
2 True
3 >>> 'e' in obj2
4 False
series的索引可以通过赋值的方式就地修改。
1 >>> obj
2 0 4
3 1 7
4 2 -5
5 3 3
6 dtype: int64
7 >>> obj.index = ['a', 'b', 'c', 'd']
8 >>> obj
9 a 4
10 b 7
11 c -5
12 d 3
13 dtype: int64
14 >>>
1.4基本运算
NumPy数组运算（如根据布尔型数组进行过滤、标量乘法、应用数学函数等）都会保留索引和值之间的链接。
1 >>> obj2
2 a 4
3 b 5
4 c 7
5 d -3
6 dtype: int64
7 >>> obj2[obj2 > 0]
8 a 4
9 b 5
10 c 7
11 dtype: int64
12 >>> obj2 * 2
13 a 8
14 b 10
15 c 14
16 d -6
17 dtype: int64
18 >>> np.exp(obj2)
19 a 54.598150
20 b 148.413159
21 c 1096.633158
22 d 0.049787
23 dtype: float64
24 >>>
1.5其他
对应用而言，Series最重要的一个功能是：它在算术运算中会自动对齐不同索引的数据。这个功能在后面进行讲解。
Series对象本身及其索引都有一个name属性，该属性跟pandas其他的关键功能关系非常密切。
1 >>> obj4
2 a 100.0
3 d NaN
4 c 300.0
5 dtype: float64
6 >>> obj4.name = 'n1'
7 >>> obj4.index.name = 'pharse'
8 >>> obj4
9 pharse
10 a 100.0
11 d NaN
12 c 300.0
13 Name: n1, dtype: float64
