数据结构

1. Series

Series简介及创建

Series创建带标签的一维数组，其中可以包含任意数据类型（整数，字符串，浮点数及python对象等等）。轴标签统称为index。基本创建方法如下：
s = pd.Series(data, index=index)

• data是数据源，可以是Python字典类型，ndarray或者标量值。
• index代表轴标签，传递列表类型。

下面根据data所传递的类型分3中情况考虑：

• ndarray
  如果是ndarray类型，那么index列表的大小必须与ndarray一致。如果省略index，那么默认的标签列表是：[0, 1, ..., len(data)-1].

In[4]: pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
Out[4]: 
a   -0.712338
b    0.275297
c   -0.006178
d    1.480140
e    0.736636
dtype: float64
In[7]: pd.Series(np.random.randn(5))
Out[6]: 
0    0.662331
1   -1.238960
2   -0.613474
3    1.232456
4    1.030660
dtype: float64

• dict
  如果是dict类型，那么当index提供时，index列表中提供的值与字典中的键值相匹配的值将被创建，如果index列表中有dict中无法匹配的值，那么同样会创建一个标签，其值对应为缺失值（NaN）。
  如果未提供index，那么标签值是排序的键值。

In[8]: d = {'a':0, 'b':1, 'c':2}
In[9]: pd.Series(d)
Out[8]: 
a    0
b    1
c    2
dtype: int64
In[10]: pd.Series(d, index=['a', 'b', 'c', 'd'])
Out[9]: 
a     0
b     1
c     2
d   NaN
dtype: float64

• 标量值
  如果data是标量值，那么必须提供标签值。如果标签值不止一个，那么标量值将重复扩展到标签的长度以匹配标签。

In [2]:pd.Series(2, index=['a', 'b', 'c', 'd', 'e'])
Out[2]: 
a    2
b    2
c    2
d    2
e    2
dtype: int64

Series与ndarray相似

Series与ndarray的用法相似，而且大部分的Numpy库中的函数对Series有效。

In [8]: s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])

In [9]: s[0]
Out[9]: -2.7201811094132102

In [10]: s[:3]
Out[10]: 
a   -2.720181
b   -0.119742
c    2.032580
dtype: float64

In [11]: s[s > s.median()]
Out[11]: 
c    2.032580
d    0.557399
dtype: float64

In [12]: s[[4, 3, 1]]
Out[12]: 
e   -0.964499
d    0.557399
b   -0.119742
dtype: float64

In [13]: np.exp(s)
Out[13]: 
a    0.065863
b    0.887149
c    7.633759
d    1.746125
e    0.381174
dtype: float64

Series与字典相似

Series好似一个固定大小的字典，你可以通过索引来读写值。

In [14]: s['a']
Out[14]: -2.7201811094132102

In [15]: s['e'] = 12

In [16]: s
Out[16]: 
a    -2.720181
b    -0.119742
c     2.032580
d     0.557399
e    12.000000
dtype: float64

In [17]: 'e' in s
Out[17]: True

In [18]: 'f' in s
Out[18]: False

尝试用不存在的标签获取值会引发KeyError的异常，比较安全的做法是使用get方法,当标签不存在时，得到None或者提供的默认值。

In [20]: s.get('f')

In [21]: s.get('f', np.nan)
Out[21]: nan

Series的向量化操作与标签对其

在进行数据分析时，像原始的Numpy中的数组一样通过循环来操作Series中的值通常是不必要的。所以，Series像ndaary一样支持大部分的Numpy方法：

In [22]: s + s
Out[22]: 
a    -5.440362
b    -0.239485
c     4.065161
d     1.114798
e    24.000000
dtype: float64

In [23]: s * 2
Out[23]: 
a    -5.440362
b    -0.239485
c     4.065161
d     1.114798
e    24.000000
dtype: float64

In [24]: np.abs(s)
Out[24]: 
a     2.720181
b     0.119742
c     2.032580
d     0.557399
e    12.000000
dtype: float64

Series与ndarray一个重要的区别在于，在不同Series之间进行操作时将依照标签进行对齐，即使这些Series具有不同的标签。

In [25]: s[1:] + s[:-1]
Out[25]: 
a         NaN
b   -0.239485
c    4.065161
d    1.114798
e         NaN
dtype: float64

可以看到，如果Series的标签值不同时，实际上会执行并（union)操作。如果其中的一个Series缺失部分标签，那么这些标签对应的结果是缺失值NaN.

名字属性

Series可以进行命名，具有name属性：

s = pd.Series(np.random.randn(5), name='something')

s
Out[27]: 
0    0.446879
1   -0.578168
2   -0.120358
3    1.614526
4   -0.538751
Name: something, dtype: float64

s.name
Out[28]: 'something'

在新版本0.18.0中，还可以通过重命名方法重新创建一个新Series对象：

In [30]: s2 = s.rename("different")

In [31]: s2.name
Out[31]: 'different'

http://pandas.pydata.org/pandas-docs/stable/dsintro.html#series