接下來幾周的文章我們會(huì)給大家主要介紹Pandas的使用，Pandas是一個(gè)Python 的包，提供快速、靈活和富有表現(xiàn)力的數(shù)據(jù)結(jié)構(gòu)，旨在使"關(guān)系或標(biāo)記數(shù)據(jù)的使用既簡(jiǎn)單又直觀"。它的目標(biāo)是成為用Python進(jìn)行實(shí)際的、真實(shí)的數(shù)據(jù)分析的基礎(chǔ)高級(jí)模塊。

　　**Pandas的數(shù)據(jù)結(jié)構(gòu)**,分兩種:**Series**和**DataFrame**.

　　> 1、Series 一維，帶標(biāo)簽數(shù)組 Series的中文意思是序列,系列.

　　> 2、DataFrame 二維，Series容器

　　本篇文章主要介紹Series的使用。：

　　#### Series簡(jiǎn)介

　　Serial對(duì)象本質(zhì)上由兩個(gè)數(shù)組構(gòu)成，一個(gè)數(shù)組構(gòu)成對(duì)象的健(index,索引),一個(gè)數(shù)組構(gòu)成對(duì)象的值(values).因此Series可以看作是鍵值對(duì)。Series是**帶標(biāo)簽**的一維數(shù)組，可存儲(chǔ)整數(shù)、浮點(diǎn)數(shù)、字符串、Python 對(duì)象等類型的數(shù)據(jù)。軸標(biāo)簽統(tǒng)稱為**索引，**它由兩部分組成**。**

　　- values:一組數(shù)據(jù)(ndarray類型)

　　- index:相關(guān)的數(shù)據(jù)索引標(biāo)簽

　　如圖：

　　特點(diǎn)：標(biāo)簽(index)與數(shù)據(jù)(value)默認(rèn)對(duì)齊，除非特殊情況，一般不會(huì)斷開連接，因此通過索引取值非常方便，不需要循環(huán)，可以直接通過字典方式，key 獲取value.

　　#### Series 創(chuàng)建的幾種方式

　　創(chuàng)建Series對(duì)象使用Pandas中的Series，

　　```

　　Series組成部分：pd.Series(data=None, index=None, dtype=None)

　　其中參數(shù)：data參數(shù)支持多種數(shù)據(jù)類型，比如列表，字典等，index是一個(gè)可選參數(shù)表示索引標(biāo)簽，通過dtype指定數(shù)據(jù)類型

　　```

　　Series的創(chuàng)建方式有多種：

　　> 1. 標(biāo)量創(chuàng)建

　　> 2. 列表創(chuàng)建

　　> 3. numpy創(chuàng)建

　　> 4. 字典創(chuàng)建

　　**標(biāo)量創(chuàng)建：**

　　```

　　import numpy as np

　　import pandas as pd

　　tes = pd.Series(10,index=list('abcde'))

　　tes

　　```

　　**列表創(chuàng)建**

　　即已知一個(gè)list結(jié)構(gòu)的數(shù)據(jù)，通過該數(shù)據(jù)創(chuàng)建Series對(duì)象。

　　```

　　# lst = [11,0,3,7,9,19,4]

　　# s = pd.Series(lst) # 默認(rèn)隱式索引

　　# s

　　lst = [11,0,3,7,9,19,4]

　　s = pd.Series(lst,index=["A","B","C","D","E","F","G"]) # 通過index設(shè)置顯式索引

　　s

　　```

　　**numpy創(chuàng)建**

　　即Series中傳入的是ndarray對(duì)象。

　　```

　　# data = np.random.randint(0,100,size=(6,))

　　# s = pd.Series(data=data)

　　# s

　　data = np.random.randint(0,100,size=(6,))

　　s = pd.Series(data=data,index=list('abcdef'))

　　s

　　```

　　結(jié)果：

　　**字典創(chuàng)建**

　　```

　　dic = {"A":1,"B":2,"C":3,"D":2}

　　s = pd.Series(dic) # 索引默認(rèn)就是字典的key值

　　s

　　```

　　結(jié)果：

　　#### Series的索引和切片

　　因?yàn)镾eries只有一列，因此一般只對(duì)行進(jìn)行操作，索引分為隱式索引和顯示索引，因此不同的方式操作起來也不一樣。

　　索引分別為哪些呢?

　　> 1. 位置下標(biāo)

　　>

　　> 2. 標(biāo)簽索引

　　> 3. 布爾型索引

　　> 4. 切片索引

　　位置下標(biāo)：當(dāng)使用默認(rèn)值索引的時(shí)候，通常使用位置下標(biāo)。類似列表的索引使用方式

　　```

　　data = np.random.randint(0,100,size=(6,))

　　s = pd.Series(data=data)

　　print(s[0])

　　print(s[3])

　　print(s[4])

　　```

　　標(biāo)簽索引：類似字典通過key獲取value的方式，通常用在顯示索引的時(shí)候。

　　```

　　data = np.random.randint(0,100,size=(6,))

　　s = pd.Series(data=data,index=list('abcdef'))

　　print(s['a'])

　　print(s['f'])

　　print(s['c'])

　　```

　　布爾型索引: 通過一個(gè)布爾型的數(shù)組獲取Series對(duì)象中的值。

　　```

　　data = np.random.randint(0,100,size=(6,))

　　s = pd.Series(data=data,index=list('abcdef'))

　　print(s)

　　s2 = s>50 # 獲取s中大于50的元素，結(jié)果會(huì)是一個(gè)bool類型的數(shù)組

　　print(s2) # 打印s2得到的是一個(gè)bool類型的數(shù)組

　　print(s[s2]) # 通過s2這個(gè)bool數(shù)組獲取s中的元素

　　```

　　結(jié)果：

　　切片索引：即切片，類似列表的切片使用，但是又有所區(qū)別。

　　隱式索引的使用：

　　```

　　data = np.random.randint(0,100,size=(6,))

　　s = pd.Series(data=data)

　　print(s)

　　print(s[1:5])

　　print(s[:4])

　　print(s[2:])

　　print(s[::2])

　　```

　　結(jié)果：

　　當(dāng)然也可以使用iloc完成Series對(duì)象中元素的獲取，使用方式如下：

　　```

　　data = np.random.randint(0,100,size=(6,))

　　s = pd.Series(data=data)

　　print(s.iloc[2]) # 指定下標(biāo)

　　print(s.iloc[1:3]) # 指定切片范圍

　　```

　　結(jié)果：

　　顯示索引的切片使用

　　```

　　data = np.random.randint(0,100,size=(6,))

　　s = pd.Series(data=data,index=list('abcdef'))

　　print(s)

　　print(s['a':'d'])

　　print(s['a':])

　　print(s[:'f'])

　　print(s[::2])

　　```

　　結(jié)果：

　　顯示索引也可以使用loc的方式獲取元素

　　```

　　print(s.loc['a':'e'])

　　print(s.loc[['a','c','f']])

　　```

　　結(jié)果：

　　總結(jié)：

　　1. **Series的索引和切片只針對(duì)行而言，因?yàn)樗挥幸涣?*

　　2. **loc是對(duì)于顯式索引的相關(guān)操作(對(duì)于標(biāo)簽的處理)，iloc是針對(duì)隱式索引的相關(guān)操作(對(duì)于整數(shù)的處理)。**

　　3. **我們發(fā)現(xiàn)其實(shí)s[0:2] 與 s.iloc[0:2]沒有太大差別(顯式索引也是一樣)，這并不說明iloc就沒有用，個(gè)人覺得它更有意義的是在DataFrame當(dāng)中使用**

　　#### Series的基本使用

　　**顯示Series部分?jǐn)?shù)據(jù)內(nèi)容**

　　**s.head(n)** 該函數(shù)代表的意思是顯示前多少行，可以指定顯示的行數(shù)，不寫n默認(rèn)是前5行

　　**s.tail(n)** 該函數(shù)代表的意思是顯示后多少行，可以指定顯示的行數(shù)，不寫n默認(rèn)是前5行

　　**s.unique()** 去除重復(fù)的值

　　**s.notnull()** 不為空返回True，為空返回False

　　**s.isnull()** 不為空返回False，為空返回True

　　```text

　　lst = [1,3,5,6,10,23]

　　s1 = pd.Series(lst,index=["A","B","C","D","E","F"])

　　print(s1.head()) # 獲取前5行

　　print(s1.tail()) # 獲取后5行

　　print(s1.unique()) # 去除重復(fù)的值

　　s1['D']=None # 修改D索引對(duì)應(yīng)的值為None

　　print(s1.isnull()) # 判斷是否有空值

　　print(s1.notnull()) # 判斷是否有非空值

　　```

　　結(jié)果：