pandas之Series
Pandas
Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。
———— 百度百科
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
#Series:专门处理一维数据的，
#DataFrame:专门处理二维数据的
import matplotlib.pyplot as plt
%matplotlib inline
Series
Series -- 专门处理一维的数组
Series是一种类似与一维数组的对象，由下面两个部分组成：
values：一组数据（ndarray类型）
index：相关的数据索引标签
1、series的创建
# Series有两种创建方式：
1、 由列表或numpy数组创建
s1 = Series([1,2,3]) # 由列表创作
s2 = Series(np.array([1,2,3])) # 由numpy数组创作
type(s1) ----> pandas.core.series.Series
# 可以通过index参数自定义索引，例：
s3 = Series(np.array([1,2,3]),index = list("abc")) # s3的索引为abc
# 这种创建方法，索引（index）和value值必须一一对应，不能多也不能少
# 修改索引的时候不能单个修改，索引值必须全部写出来，不修改的写原来的值
# 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的ndarray对象中的元素。（列表没有这种情况）
2、 由字典创建
s = Series(data = {"a":10,"pi":3.14,"e":2.713,"g":0.618}, index = ["a","pi","e","g","kk"])
# index -- 指定索引 （如果不写index，索引默认以英文字母首字母排序）
# 使用ndarray和list 的时候注意索引是一对一的
# 使用字典创建Series的时候，索引指定的可以少也可以多
# 多的一种情况补上NaN(空值)，少的不显示
2、series的索引和切片
s = Series(data = {"a":10,"pi":3.14,"e":2.713,"g":0.618}, index = ["a","pi","e","g","kk"])
# 索引
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）。分为显示索引和隐式索引：
1、 显示索引：
1. 使用index中的元素作为索引值
2. 使用.loc[]（推荐）
s["e"] 或 s.loc["e"] -- 取一个值时,返回的是元素的类型
s[["a","e"]] 或 s.loc["a","e"] -- 取多个值时,返回的是Series类型
# 取多个值时，必须使用两个中括号
2、 隐式索引：
1. 使用整数作为索引值
2. 使用.iloc[]（推荐）
s[0] 或 s.iloc[1] -- 取一个值时,返回的是元素的类型
s[[0,2]] 或 s.iloc[[0,2]] -- 取多个值时,返回的是Series类型
# 取多个值时，必须使用两个中括号
# 隐式索引 传入的是默认的索引值，为int类型（从0开始）
# 切片
s["a":"g"] 或 s.loc["a":"g"] -- 显示索引切片时，区间是闭区间（左闭右闭）
s[0:2] 或 s.iloc[0:2] -- 隐式索引 切片时 区间是左闭右开的
3、series的基本概念及属性
可以把Series看成一个定长的有序字典
可以通过shape，size，index,values等得到series的属性
s.shape -- s的形状
s.size -- s的长度
s.index -- s的索引
s.values -- s的值
可以通过head(),tail()快速查看Series对象的样式
data = pd.read_csv("../../../day03/2-pandas/softpo/president_heights.csv")
read_csv -- 可以读取csv、Excel等文件
# data 为DataFrame对象
data.head() -- # 查看csv表格的头部， 默认为前5行
data.tail() -- # 查看csv表格的尾部， 默认为后5行
# 可以通过参数 n 来修改默认行数
# Series 也有此属性, 如：
s_name = data["name"]
s_name.tail()
# 当索引没有对应的值时，可能出现缺失数据显示NaN（not a number）的情况
s = Series({"a":1,"b":2,"c":3},index=["a","b","c","d"])
# 可以使用pd.isnull()，pd.notnull()，或自带isnull(),notnull()函数检测缺失数据
pd.isnull(s)
# 返回值：有空值的返回True， 否则返回False
s.isnull()
# 返回值同上，自带的方法
pd.notnull(s)
# 返回值： 有空值的返回False， 否则返回True
# 自带的方法（s.notnull()）返回值相同
# 用法：
ind = pd.notnull(s)
s[ind]
# 通过notnull方法获取boolean值，把它作为一个检索，取出所有为True的数据，就会得到所有数值不为空的数据（即排空）
# 也可以通过isnull方法，取出所有为空的数据，然后进行赋值
# Series对象本身及其实例都有一个name属性
设置name属性有两种方法：
1、 s = Series(data= np.random.randint(0,10,size=5),index=["a","b","c","d","e"],name="python")
2、 s = Series(data= np.random.randint(0,10,size=5),index=["a","b","c","d","e"])
s.name = "python"
4、series的运算
1、 适用于numpy的数组运算也适用于Series 例：
s+10
s.add(2)
2、 Series之间的运算
1. 在运算中自动对齐不同索引的数据
2. 如果索引不对应，则补NaN
s = Series(data= np.random.randint(0,10,size=5),index=["a","b","c","d","e"])
a = Series(data = np.random.randint(0,20, size=3),index=["A","B","c"])
s + a -- 索引不对应，得到以下值：
A NaN
B NaN
a NaN
b NaN
c 7.0
d NaN
e NaN
dtype: float64
# 注意：要想保留所有的index，则需要使用.add()函数
s.add(a,fill_value = 0) -- fill_value:填充（将为空的值，填充为0）