Pandas

http://pandas.pydata.org/pandasdocs/stable/cookbook.html#cookbook

基本使用

Series对象

Series是Pandas中最基本的对象，类似于一维数组的对象，由一 组数据和一组与之相关的数据标签（索引）组成，主要处理时间序 列相关的数据。和一维数据最主要区别Series类型具有索引 （index）对象

创建方法1：  通过list创建Series对象

通过Pandas Series (data, index=index, name =name）方 法来实现Series对象创建，其中 data参数为Series对象中的 值，index为Series的索引，name为 Series的名称

1 price _ series = pd. Series ( price, index = [ 'apple', 'orange’,'grape’,’pear’,’,pitaya'])
2 price = [1.1,1.2,1.3,1.4,1.5] 
3 price_series=pd. Series(price)
4 price_series. index
5 price_series. values
6 price_series.name
7 price_ series=pd. Series (price, index = [ 'apple', 'orange', 'grape', 'pear', 'pitaya '],name = 'fruits_price’) 

声明Seires 对象时，默认从零开 始依次递增的值作为标签，这种情况下这一列标签与数组 或列表中的下标是一致的。

Series对象在创建时可通过 index 参数指定有意义的标签， 用于区分和识别每个元素，这样在访问元素时就不用知道对 应元素的顺序了

把 Series 对象看成由两个数组组成，前面的数组称为索 引，后面的数组称为 Series 对象的值。

 创建方法2：通过Python字典对象（dict）创建Series对象

1 fruit _ price_ dict = {‘apple’:1.1, 'orange’: 1.2, Γ ‘grape’: 1.3, 'pear' : 1. 4,’pitaya’: 1.5}
2 price_ series=pd.Series (fruit_price_dict)
3 price_ series=pd.Series (fruit_price _dict, index = [ 'apple’,’pear’,’banana’]) # 通过字典创建 Series, index长度不必和字典长度相同

1.　　在默认情况下keys会变成Series对象的索引，values会 变成Series对象的值。

2.　　index长度可以和字典长度不同。数据会按index的顺序 重新排列，如果index多，Pandas将自动为多余的index 分配NaN（Not a Number,pandas中数据缺失的标 准）；如果index少，就截取对应部分的字典内容

创建方法3：通过使用 NumPy数组创建一个新的 Series对象

1 arr= np. arange (0,6) # 创建 ndarray类型对象
2 ser1= pd. Series (arr）

创建方法4： 通过一个 Series 对象生成另一个 Series 对象

1 ser2= pd. Series (ser1)
2 arr[0]=100 
3 print(ser1)
4 print(ser2)

通过ndarray类型或者Series类型创建Series对象的特点：

创建的新 Series 对象并不是新的副本，而是对原来的 ndarray 类型对象或 Series 类型对象的一个引用。即当原 来的ndarray 类型对象或Series 类型对象发生改变时，新的Series类型对象也会发生相应的改变。修改通过引用创建的 Series，其引用的 Series 对象和 ndarray 类型对象值对应地发生改变。