數據結構
1. Series
Series簡介及創建
Series創建帶標簽的一維數組，其中可以包含任意數據類型（整數，字符串，浮點數及python對象等等）。軸標簽統稱為index。基本創建方法如下：
s = pd.Series(data, index=index)
- data是數據源，可以是Python字典類型，ndarray或者標量值。
- index代表軸標簽，傳遞列表類型。
下面根據data所傳遞的類型分3中情況考慮：
-
ndarray
如果是ndarray類型，那么index列表的大小必須與ndarray一致。如果省略index，那么默認的標簽列表是：[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類型，那么當index提供時，index列表中提供的值與字典中的鍵值相匹配的值將被創建，如果index列表中有dict中無法匹配的值，那么同樣會創建一個標簽，其值對應為缺失值（NaN）。
如果未提供index，那么標簽值是排序的鍵值。
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
-
標量值
如果data是標量值，那么必須提供標簽值。如果標簽值不止一個，那么標量值將重復擴展到標簽的長度以匹配標簽。
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與ndarray相似
Series與ndarray的用法相似，而且大部分的Numpy庫中的函數對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與字典相似
Series好似一個固定大小的字典，你可以通過索引來讀寫值。
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
嘗試用不存在的標簽獲取值會引發KeyError的異常，比較安全的做法是使用get方法,當標簽不存在時，得到None或者提供的默認值。
In [20]: s.get('f')
In [21]: s.get('f', np.nan)
Out[21]: nan
Series的向量化操作與標簽對其
在進行數據分析時，像原始的Numpy中的數組一樣通過循環來操作Series中的值通常是不必要的。所以，Series像ndaary一樣支持大部分的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與ndarray一個重要的區別在于，在不同Series之間進行操作時將依照標簽進行對齊，即使這些Series具有不同的標簽。
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的標簽值不同時，實際上會執行并（union)操作。如果其中的一個Series缺失部分標簽，那么這些標簽對應的結果是缺失值NaN.
名字屬性
Series可以進行命名，具有name屬性：
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，還可以通過重命名方法重新創建一個新Series對象：
In [30]: s2 = s.rename("different")
In [31]: s2.name
Out[31]: 'different'
http://pandas.pydata.org/pandas-docs/stable/dsintro.html#series
