pandas数据结构之Series笔记

对Series的理解也源于对其相关的代码操作，本次仅贴一些代码来加深理解以及记忆

 import pandas as pd
 import numpy as np
 s = pd.Series(np.random.randn(5),index=['a','b','c','d','e'])  # index添加行索引
 s
 # 输出
 a    1.752127
 b    0.127374
 c    0.581114
 d    0.466064
 e   -1.493042
 dtype: float64

 s.index
 # 输出 Index(['a', 'b', 'c', 'd', 'e'], dtype='object')

 s = pd.Series(np.random.randn(5))  # 自动添加索引
 s
 # 输出
 0    0.209798
 1    0.791759
 2   -1.352022
 3    0.164453
 4    0.647989
 dtype: float64

 d = {'a':0.,'b':1.,'d':3}  # Series通过字典形式创建表，字典中的键就被当成行索引
 s = pd.Series(d, index=list('abcd'))  # 没有的索引赋值为NaN
 s
 # 输出

 Out[12]:
 a    0.0
 b    1.0
 c    NaN
 d    3.0
 dtype: float64

 s = pd.Series(5,index=list('abcd'))  # 每个索引对应的值相等
 s
 #输出
 a    5
 b    5
 c    5
 d    5
 dtype: int64

 s = pd.Series(np.random.randn(5))  # 通过随机数创建
 s
 #输出
 0   -0.014250
 1    0.990860
 2    1.785053
 3   -2.155324
 4   -0.815233
 dtype: float64

 s[0]  # 可以通过单个索引值读取对应的值
 #输出 -0.014250144041201129

 s[:3]  # 可以通过索引范围读取对应的范围值
 # 输出
 0   -0.014250
 1    0.990860
 2    1.785053
 dtype: float64

 s[[1,3,4]]  # 任意读取多个索引可以使用列表的形式
 # 输出
 1    0.990860
 3   -2.155324
 4   -0.815233
 dtype: float64

 np.sin(s)  # 可以用numpy函数对Series创建的表中的数据进行一系列操作
 # 输出
 0   -0.014250
 1    0.836498
 2    0.977135
 3   -0.833973
 4   -0.727885
 dtype: float64

 s = pd.Series(np.random.randn(5),index=['a','b','c','d','e'])
 s
 #输出
 a    1.127395
 b    0.229895
 c    0.161001
 d    0.362886
 e    0.203692
 dtype: float64

 s['a']  # 索引也可以是字符字符串
 # 输出 1.1273946030373316

 s['b']= 3  # 可以通过索引赋值操作改变表中的值
 s
 # 输出
 a    1.127395
 b    3.000000
 c    0.161001
 d    0.362886
 e    0.203692
 dtype: float64

 s['g'] = 100  # 如果表中没有那个索引，通过索引的赋值将会自动添加到表的行尾
 s
 # 输出
 a      1.127395
 b      3.000000
 c      0.161001
 d      0.362886
 e      0.203692
 g    100.000000
 dtype: float64

 print(s.get('f'))  # 也可以使用get函数读取索引对应的值，如果没有就返回默认的None
 # 输出 None

 print (s.get('f',0))  # 也可以加自定义值的返回值
 # 输出 0

 s1 = pd.Series(np.random.randn(3),index=['a','c','e'])
 s2 = pd.Series(np.random.randn(3),index=['a','d','e'])
 print(f'{s1}\n\n{s2}')
 # 输出
 a   -0.036147
 c   -1.466236
 e   -0.649153
 dtype: float64

 a    1.460091
 d   -0.788388
 e    0.175337
 dtype: float64

 s1 + s2  # 通过Series创建的表也可以按照行相同索引对应的值相加，如果两表索引对应
          # 不上就默认赋值NaN
 # 输出
 a    1.423945
 c         NaN
 d         NaN
 e   -0.473816
 dtype: float64