python学习笔记六：Series

Series是一种类似于一维数组的对象，由以下两部分组成：
values:一组数据（ndarray或list类型）
index:相关的数据索引标签

一维数组默认索引为0,1,2,3...，而Series的索引可以自己给定，比如说统计班级同学身高时，用0,1,2,3...索引不明了，可以直接将每个人的名字当作索引，所以Series是一维数组的升级。
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ndarray对象中的元素。（列表没有这种情况）一维

#导入三剑客:numpy;pandas;matplotlib
import pandas as pd
from pandas import Series,DataFrame
import numpy as np
import matplotlib.pyplot as plt

1.通过list，ndarray和 dict创建Series

#Series存储的数据必须是一维的，Data must be 1-dimensional
#通过列表创建序列
s = Series([1,3,5,7])
print(s)
s.index = list('abcd')
print(s)

#通过ndarray创建序列
nd = np.random.randint(160,180,size = 4)
s1 = Series(nd,index = ['张三','李四','王五','赵六'])
print(s1)

#通过字典创建序列
s2 = Series({'a':1,'b':3,'c':5,'d':7})
print(s2)

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）。分为显式索引和隐式索引：

s = Series(np.random.random(10),index = list('abcdefghij'))

#显式索引
print(s['a'])
print(s.loc['c'])

#隐式索引
print(s[0])
print(s.iloc[2])

#切片
print(s[0:2])
print(s.loc['a':'c'])

3.Series的基本概念

当索引没有对应值时，可能缺失数据显示NaN(not a number)的情况

print(s.shape,s.size,s.values,s.index)#查看形状，大小，元素值，索引值
s.head()#查看前部分
s.tail()#查看后部分

s = Series([1,2,None,np.nan],index = list('abcd'))
print(s)
print(s.sum())

#检测缺失数据
s1 = s.isnull()
s2 = s.notnull()
s[s2]#会将True的元素全部提取出来

#name用于区分，DataFrame中用于区分,在DataFrame中是列名
s.name = '牛逼'
print(s)
#在进行线性运算时，如果包含Nan,那么fill_value默认将Nan设置为=后面的值
s.add(10,fill_value=0)

4.Series的线性运算

#两个Series进行相加时，就是索引相同进行相加
s1 = Series([2,4,7,9],index=[0,1,2,3])
s2 = Series([1,2,3,4],index=[2,3,4,5])
s1 + s2
运行结果：
0     NaN
1     NaN
2     8.0
3    11.0
4     NaN
5     NaN

#使用add函数时，相加后每个索引都有值
s1.add(s2,fill_value=0)
运行结果：
0     2.0
1     4.0
2     8.0
3    11.0
4     3.0
5     4.0

数1组默认索引为0,1,2,3...，而Se

一维数组默认索引为0,1,2,3...，而Series的索引可以自己给定，比如说统计班级同学身高时，用0,1,2,3...索引不好，可以直接将每个人的名字当所以Series是一维数组的升级。

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ndarray对象中的元素。（列表没有这种情况）

ries的索引可以自己给定，比如说统计班级同学身高时，用0,1,2,3...索引不好，可以直接将每个人的名字当作索引，所以Serie幅是v点击地，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ndarray对象中的元素。（列表没