Pandas Series基本操作
Series结构如下：
pandas.Series( data, index, dtype, copy)
构造函数的参数如下-
data:数据采用各种形式，例如ndarray，list，常量 index:索引值必须是唯一且可哈希的，且长度与数据相同。如果未传递索引，则默认为np.arrange(n)。 dtype:dtype用于数据类型。如果为None，则将推断数据类型 copy:复制数据。默认为假
可以使用各种输入来创建Series，例如
Array Dict 标量值或常数
>>> # 导入pandas依赖包并起别名 >>> import pandas as pd >>> s = pd.Series() >>> print(s) Series([], dtype: float64)
如果数据是ndarray，则传递的索引必须具有相同的长度。如果没有传递索引，则默认情况下索引将是range(n)，其中n是数组长度，即[0,1,2,3…。范围（len(array)）-1]。
# Filename : pandas.py # author by : www.528045.com # 导入pandas依赖包并起别名 import pandas as pd import numpy as np data = np.array(['a','b','c','d']) s = pd.Series(data) print(s)
运行结果：
0 a 1 b 2 c 3 d dtype: object
我们没有传递任何索引，因此默认情况下，它分配的索引范围为0到len(data)-1，即0到3。
# Filename : pandas.py # author by : www.528045.com # 导入pandas依赖包并起别名 import pandas as pd import numpy as np data = np.array(['a','b','c','d']) s = pd.Series(data,index=[100,101,102,103]) print(s)
运行结果：
100 a 101 b 102 c 103 d dtype: object
我们在这里传递了索引值。现在，我们可以在输出中看到自定义的索引值。
字典可以作为输入被传递，如果未指定索引，则该字典键都采取了在排序顺序来构建的索引。如果指数通过，在对应于索引标签数据的值将被拉出。
# Filename : pandas.py
# author by : www.528045.com
# 导入pandas依赖包并起别名
import pandas as pd
import numpy as np
data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data)
print(s)运行结果：
a 0.0 b 1.0 c 2.0 dtype: float64
字典键用于构造索引。
# Filename : pandas.py
# author by : www.528045.com
# 导入pandas依赖包并起别名
import pandas as pd
import numpy as np
data = {运行结果：
b 1.0 c 2.0 d NaN a 0.0 dtype: float64
索引顺序保持不变，丢失的元素用NaN（非数字）填充。
如果数据是标量值，则必须提供索引。该值将重复以匹配索引的长度
# Filename : pandas.py # author by : www.528045.com # 导入pandas依赖包并起别名 import pandas as pd import numpy as np s = pd.Series(5, index=[0, 1, 2, 3]) print(s)
运行结果：
0 5 1 5 2 5 3 5 dtype: int64
可以像访问ndarray一样访问Series中的数据。
检索第一个元素。众所周知，数组的计数从零开始，这意味着第一个元素存储在第零个位置，依此类推。
# Filename : pandas.py # author by : www.528045.com # 导入pandas依赖包并起别名 import pandas as pd s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e']) # 检索第一个数据 print s[0]
运行结果：
1
检索Series中的前三个元素。如果在其前面插入，则将从该索引开始的所有项目都将被提取。如果使用两个参数（它们之间带有：），则两个索引之间的项目（不包括停止索引）
# Filename : pandas.py # author by : www.528045.com # 导入pandas依赖包并起别名 import pandas as pd s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e']) # 检索前3个元素 print s[:3]
运行结果：
a 1 b 2 c 3 dtype: int64
检索最后三个元素。
# Filename : pandas.py # author by : www.528045.com # 导入pandas依赖包并起别名 s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e']) # 检索最后三个元素 print s[-3:]
运行结果：
c 3 d 4 e 5 dtype: int64
Series就像固定大小的字典一样，可以通过索引标签获取和设置值。
使用索引标签值检索单个元素。
# Filename : pandas.py # author by : www.528045.com # 导入pandas依赖包并起别名 import pandas as pd s = pd.Series([1,2,3,4,5],index = [
运行结果：
1
使用索引标签值列表检索多个元素。
# Filename : pandas.py # author by : www.528045.com # 导入pandas依赖包并起别名 import pandas as pd s = pd.Series([1,2,3,4,5],index = [
运行结果：
a 1 c 3 d 4 dtype: int64
如果不包含标签，则会引发异常。
# Filename : pandas.py # author by : www.528045.com # 导入pandas依赖包并起别名 import pandas as pd s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e']) # 检索多个元素 print(s['f'])
运行结果：
… KeyError: 'f'