从本文开始介绍pandas的相关知识。
pandas含有是数据分析工作变得更快更简单的高级数据结构和操作工具，是基于numpy构建的。
本章节的代码引入pandas约定为：import pandas as pd，另外import numpy as np也会用到。
pandas数据结构介绍：主要有两种：Series和DataFrame。本文对Series进行简单介绍。
（1）简介
Series是一种类似于一维数组的对象，它由一组数据（各种NumPy数据结构）以及一组与之相关的数据标签（即索引）组成。
1 >>> obj = pd.Series([4, 7, -5, 3]) 2 >>> obj 3 0 4 4 1 7 5 2 -5 6 3 3 7 dtype: int64
（2）表现形式
Series的字符串表现形式为：索引在左边，值在右边。若没有为数据指定索引，则会自动创建一个0到N-1（N为数据的长度）的整数型索引。可通过Series的values和index属性获取其数组表示形式和索引对象。
1 >>> obj 2 0 4 3 1 7 4 2 -5 5 3 3 6 dtype: int64 7 >>> 8 >>> obj.index 9 RangeIndex(start=0, stop=4, step=1) 10 >>> obj.values 11 array([ 4, 7, -5, 3], dtype=int64) 12 >>>
如果希望所创建的Series带有一个可以对各个数据点进行标记的索引：
1 >>> obj2 = pd.Series([4, 5, 7, -3], index=['a', 'b', 'c', 'd']) 2 >>> obj2 3 a 4 4 b 5 5 c 7 6 d -3 7 dtype: int64 8 >>> obj2.index 9 Index(['a', 'b', 'c', 'd'], dtype='object')
也可以通过字典来创建Series。如果只传入一个字典，则结果Series中的索引就是原字典的键（有序排列）。
1 >>> sdata = {'a':100, 'b':200, 'c':300} 2 >>> obj3 = pd.Series(sdata) 3 >>> obj3 4 a 100 5 b 200 6 c 300 7 dtype: int64 8 >>> index = ['a', 'd', 'c'] 9 >>> obj4 = pd.Series(sdata, index=index) 10 >>> obj4 11 a 100.0 12 d NaN 13 c 300.0 14 dtype: float64 15 >>>
上面的例子中，索引为’d’的值为NaN，即“非数字”（not a number）。在pandas中，它用于表示确实或者NA值，使用缺失或NA表示缺失数据，另外isnull和notnull函数可用于检测缺失数据。
1 >>> obj4 2 a 100.0 3 d NaN 4 c 300.0 5 dtype: float64 6 >>> 7 >>> pd.isnull(obj4) 8 a False 9 d True 10 c False 11 dtype: bool 12 >>> pd.notnull(obj4) 13 a True 14 d False 15 c True 16 dtype: bool
（3）索引方式
与普通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。
1 >>> obj2['a'] 2 4 3 >>> obj2[['a', 'b', 'c']] 4 a 4 5 b 5 6 c 7 7 dtype: int64 8 >>>
还可以将Series看作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。
1 >>> 'b' in obj2 2 True 3 >>> 'e' in obj2 4 False
series的索引可以通过赋值的方式就地修改。
1 >>> obj 2 0 4 3 1 7 4 2 -5 5 3 3 6 dtype: int64 7 >>> obj.index = ['a', 'b', 'c', 'd'] 8 >>> obj 9 a 4 10 b 7 11 c -5 12 d 3 13 dtype: int64 14 >>>
（4）基本运算
NumPy数组运算（如根据布尔型数组进行过滤、标量乘法、应用数学函数等）都会保留索引和值之间的链接。
1 >>> obj2 2 a 4 3 b 5 4 c 7 5 d -3 6 dtype: int64 7 >>> obj2[obj2 > 0] 8 a 4 9 b 5 10 c 7 11 dtype: int64 12 >>> obj2 * 2 13 a 8 14 b 10 15 c 14 16 d -6 17 dtype: int64 18 >>> np.exp(obj2) 19 a 54.598150 20 b 148.413159 21 c 1096.633158 22 d 0.049787 23 dtype: float64 24 >>>
（5）其他
对应用而言，Series最重要的一个功能是：它在算术运算中会自动对齐不同索引的数据。这个功能在后面进行讲解。
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。
1 >>> obj4 2 a 100.0 3 d NaN 4 c 300.0 5 dtype: float64 6 >>> obj4.name = 'n1' 7 >>> obj4.index.name = 'pharse' 8 >>> obj4 9 pharse 10 a 100.0 11 d NaN 12 c 300.0 13 Name: n1, dtype: float64