panda Series 一维数据类型的学习

# -*- coding: utf-8 -*-
"""
Created on Thu Aurgust  4 15:20:27 2021

@author: 14096
"""
import pandas as pd
d = pd.Series(range(20)) ##第一列是索引，第二列是值
d.cumsum() #计算前N项的累加和

##Series类型 （索引与数据之间一一对应）(一维带标签的数组）
a = pd.Series([9,8,7,6])
a = pd.Series([9,8,7,6],index= ["a","b","c","d"])

###从标量值创建
s = pd.Series(25,index=["a","b","c"])


###从字典类型创建
d= pd.Series({"a":9,"b":8,"c":7})

e = pd.Series({"a":9,"b":8,"c":7},index=["c","a","b","d"]) ###index从字典中选择操作，改变顺序

#从ndarray创建
import numpy as np
n = pd.Series(np.arange(5))

m = pd.Series(np.arange(5),index=np.arange(9,4,-1))

###基本操作
# （类似于numpy数据类型的操作）

b = pd.Series([9,8,7,6],index= ["a","b","c","d"])
b.index

b.values  ##输出的是numpy类型

b["b"]  #自动索引和自定义索引并存
b[1]
b[["c","d",0]]   ##两种索引方式混合使用就不行，一起用会当作自定义索引

b[["c","d","a"]]  #可以

###Numpy中运算和操作可用于Series类型

b[:3]
'''
与b[3]相比，切片切出的是几个数的时候，那么输出的结果还是Series类型，还是有索引，而
切出来一个数时，就只有数没有索引了
'''

b = b[b > b.median()]

np.exp(b)

##类似字典类型的操作
b = pd.Series([9,8,7,6],index= ["a","b","c","d"])

"c" in b  #返回 True，  只会自动查询b的自定义索引中是否有"c"
0 in b  ##返回False

b.get("a",100)  #字典类型操作的一个函数，如果索引中有对应的索引a，那么返回a对应的值，如果不存在这个索引，则返回100
b.get("f",100)

##Series类型的对齐操作
a = pd.Series([9,8,7,6],index= ["a","b","c","d"])
b = pd.Series([1,2,3],index= ["c","d","e"])
a + b  ##在运算中会自动对齐不同索引的数据

##可以给Series对象和其index加上一个名字
b.name = "Series对象"
b.index.name = "索引"


###Series类型的修改
#Series对象可以随时修改并马上生效
b = pd.Series([9,8,7,6],index= ["a","b","c","d"])
b["a"] =15
b.name = "Serise"
b.name = "new_Series"
b["b","c"] = 20