Series

Series是一种类似于一维数组的对象，是由一维数据（各种Numpy数据类型）以及一组与之相关的数据标签（即索引）组成。

 In [1]: from pandas import Series

 In [2]: import pandas as pd

 In [3]: ser = Series([1,2,3,-1,-2])

 In [4]: ser
 Out[4]:
 0    1
 1    2
 2    3
 3   -1
 4   -2
 dtype: int64

Series的字符串表现形式为：索引在左边，值在右边。由于没有为数据指定索引，会自动创建一个0到N-1（N为数据的长度）的整数型索引。可以通过Series的values和index属性获取其数组表示形式和索引对象。

 In [8]: ser.values
 Out[8]: array([ 1,  2,  3, -1, -2])

 In [9]: ser.index
 Out[9]: RangeIndex(start=0, stop=5, step=1)

也可以创建对各个数据点进行标记的索引。

 In [10]: ser1 = Series([2,3,-4,-5],index = ['a','b','c','d'])

 In [11]: ser1
 Out[11]:
 a    2
 b    3
 c   -4
 d   -5
 dtype: int64

 In [12]: ser1.index
 Out[12]: Index([u'a', u'b', u'c', u'd'], dtype='object')

与普通的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。

In [13]: ser1['a']
Out[13]: 2

In [14]: ser1['b'] = 5

In [15]: ser1
Out[15]:
a    2
b    5
c   -4
d   -5
dtype: int64

进行算数运算都会保留索引和值之间的连接。

 In [19]: ser1
 Out[19]:
 a    2
 b    5
 c   -4
 d   -5
 dtype: int64

 In [20]: ser1 * 2
 Out[20]:
 a     4
 b    10
 c    -8
 d   -10
 dtype: int64

 In [21]: ser1[ser1 > 0]
 Out[21]:
 a    2
 b    5
 dtype: int64

还可以将Series看成是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。

 In [22]: 'a' in ser1
 Out[22]: True

 In [23]: 'e' in ser1
 Out[23]: False

如果数据被存放在一个Python字典中，可以直接通过这个字典来创建Series。

 In [32]: data = {'Tom':100,'Alia':98,'Abel':80}

 In [33]: datas = Series(data)

 In [34]: datas
 Out[34]:
 Abel     80
 Alia     98
 Tom     100
 dtype: int64

如果只传入一个字典，则结果Series中的索引就是源字典的键。

 In [35]: states = ['Call','Tom','Alia','Abel']

 In [36]: sim = Series(datas,index=states)

 In [37]: sim
 Out[37]:
 Call      NaN
 Tom     100.0
 Alia     98.0
 Abel     80.0
 dtype: float64

在pandas中，NaN表示缺失值，pandas的isnull和notnull函数用于检测缺失数据。

 In [38]: pd.isnull(sim)
 Out[38]:
 Call     True
 Tom     False
 Alia    False
 Abel    False
 dtype: bool

 In [39]: pd.notnull(sim)
 Out[39]:
 Call    False
 Tom      True
 Alia     True
 Abel     True
 dtype: bool

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。

 In [42]: sim.name = 'student'

 In [43]: sim.index.name = 'class'

 In [44]: sim
 Out[44]:
 class
 Call      NaN
 Tom     100.0
 Alia     98.0
 Abel     80.0
 Name: student, dtype: float64