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
