数据分析之pandas库--series对象

1.Series属性及方法

　　Series是Pandas中最基本的对象，Series类似一种一维数组。

　　　　1.生成对象。创建索引并赋值。

s1=pd.Series()

　　　　2.查看索引和值。

s1=Series([1,2,3,4],index=['a','b','c','d'])
s1
运行结果：

a    1
b    2
c    3
d    4
dtype: int64

　　　　3.Series有字典的功能。

'b' in s1
运行结果：
True

list(s1.iteritems())
运行结果：
[('a', 1), ('b', 2), ('c', 3), ('d', 4)]

dict={"red":1,"black":2,"green":3,"pink":4}
s2=pd.Series(dict)
s2
运行结果：
red      1
black    2
green    3
pink     4
dtype: int64

　　　　4.Series对象的内容和索引都有个name属性。

s1.name="word"
s1.index.name="number"
s1
运行结果：
number
a    1
b    2
c    3
d    4
Name: word, dtype: int64

　　　　5.用pandas的isnull和nonull可检测缺失数据。

s1.isnull()
运行结果：
number
a    False
b    False
c    False
d    False
Name: word, dtype: bool

2.Series对象存取

　　　1.Series对象的下标运算同时支持位置和标签两种方式。

print("位置下标：  ",s1[0])
print("标签下标：  ",s1['a'])
运行结果：
位置下标：   1
标签下标：   1

　　2.Series对象支持位置切片和标签切片，但需要注意的是后者包括结束标签。

s1[1:3]
运行结果：
number
b    2
c    3
Name: word, dtype: int64

　　3.和ndarray数组一样，可以用位置列表、位置数组来存取元素，同样地，标签列表、标签数组也能存取。

s1[[1,3,2]]
运行结果：
number
b    2
d    4
c    3
Name: word, dtype: int64

　　4.还可通过索引进行排序（字典中缺失的则用NaN作为内容）。

s1.index=["c","b","a","d"]
s1
运行结果：
c    1
b    2
a    3
d    4
Name: word, dtype: int64