pandas库学习(一) Series

在学习pandas库之前，要先了解NumPy库。
pandas的数据结构
1.Series
2.DataFrame
3.索引

首先学习Series这个结构
先引入本地命名空间
from pandas import Series
import pandas as pd
import Numpy as np

Series是一种类似于一维数据的对象，它由一组数据以及一组与之相关的数据标签组成。
比如：
s = Series([4,7,-5,3])
print s
结果为：

0    4
1    7
2   -5
3    3
dtype: int64

左边为索引，右边为对应的值，dtype为数据类型。这有点像字典，但是比字典灵活多了。
我们可以自定义这个索引，比如：
s = Series([4,7,-5,3],index=['d','c','b','a'])
print s
结果为：

d    4
c    7
b   -5
a    3
dtype: int64

还可以这样重命名索引：
s=Series([4,7,-5,3])
s.index=['d','c','b','a']

如何取出Series里面的值呢，也很简单，比如
print s['a']

3

print s['c']

7

print s[['a','b']]

a    3
b   -5
dtype: int64

除了取出里面的值，还可以对Series进行运算
如取出大于0的数
print s[s>0]

d    4
c    7
a    3
dtype: int64

又如计算sinx的值
print np.sin(s)

d   -0.756802
c    0.656987
b    0.958924
a    0.141120
dtype: float64

这些操作并不会影响它们的索引，也就是说计算出来的结果还是原来的索引

还可以判断数据是否在Series中，比如：
print 'b' in s

True

print 'e' in s

False

既然Series这么好用，那么如果有一个字典，我想转换成Series怎么办呢
可以用以下方法：
sdata={'name':'wzh','sex':'boy','address':'hubei'}
s1=Series(sdata)
print s1

address    hubei
name         wzh
sex          boy
dtype: object

可以看出来，字典中原来的键就是Series中的索引
有时候我们输错了索引会怎么样，比如如下：
s2=Series(data,index=['name','sex','c'])
print s2

name    wzh
sex     boy
c       NaN
dtype: object

出现了一个NaN的值，这表示缺失或者没有
可以用pandas中方法来判断Series中是否有缺失值，比如
print pd.isnull(s2)

name    False
sex     False
c        True
dtype: bool

True就代表是缺失
当然也可以看没有缺失的，比如：
print pd.notnull(s2)

name     True
sex      True
c       False
dtype: bool

此时True就是代表没有缺失的。
Series对象之间还可以进行运算，在运算时还会进行自动对齐不同的索引，就是相同索引之间的值相加，比如：
s1=Series([1,2,3,4],index=['a','b','c','d'])
s2=Series([1,2,3,4],index=['b','c','a','h'])
print s1 + s2

a    4.0
b    3.0
c    5.0
d    NaN
h    NaN
dtype: float64

我们还可以给这个Series给个名字，还可以给Series对象的索引给个名字，比如：
s1.name='test'
s1.index.name='state'
print s1

state
a    1
b    2
c    3
d    4
Name: test, dtype: int64