在pandas中接下来要经常用到的数据结构就是Series和DataFrame了。这两个对象为大多数数据处理提供了可靠、易于使用的功能
Series
Series是由一组数据以及这组数据所对应的数据标签（即索引）组成。
In [66]: obj = Series([4, 7, -5, 3])
In [67]: obj
Out[67]:
0 4
1 7
2 -5
3 3
dtype: int64
其中左边的一列数字即为索引，索引默认是0到N-1的数字。
自定义索引
我们可以通过设置index属性来自定义索引的表现形式。
In [68]: obj2 = Series([4, 7, -5, 3],index = ['d','b','a','c'])
In [69]: obj2
Out[69]:
d 4
b 7
a -5
c 3
dtype: int64
Series索引的应用
In [70]: obj2['a']
Out[70]: -5
In [71]: obj2['d'] = 6
In [72]: obj2
Out[72]:
d 6
b 7
a -5
c 3
dtype: int64
In [74]: obj2[['a','b','c']]
Out[74]:
a -5
b 7
c 3
dtype: int64
In [79]: obj2[['a','b','c']] = 1
In [80]: obj2
Out[80]:
d 6
b 1
a 1
c 1
dtype: int64
我们可以通过直接索引的方式来取出一个值或者一组值，也可以像NumPy一样可以对它们进行赋值。
Series的运算
In [83]: obj2[obj2 > 0]
Out[83]:
d 4
b 7
c 3
dtype: int64
In [84]: obj2 * 2
Out[84]:
d 8
b 14
a -10
c 6
dtype: int64
NumPy的运算函数也支持Series对象
In [85]: np.exp(obj2)
Out[85]:
d 54.598150
b 1096.633158
a 0.006738
c 20.085537
dtype: float64
Series和Python字典的关系
In [88]: sdata = {'Ohio': 35000, 'Texas':71000, 'Oregon':16000, 'Utah':5000}
In [89]: obj3 = Series(sdata)
In [90]:
Out[90]:
Ohio 35000
Texas 71000
Oregon 16000
Utah 5000
dtype: int64
如果单单传入一个字典，那么最终得到的Series对象中的索引值就是字典的键值。
In [91]: states = ['California', 'Ohio', 'Oregon','Texas']
In [92]: obj4 = Series(sdata, index=states)
In [93]: obj4
Out[93]:
California NaN
Ohio 35000.0
Oregon 16000.0
Texas 71000.0
dtype: float64
在上面这个替换索引的例子中，sdata中的键值（索引）与states中相匹配的三个值会被找出来作了替换，但是California这个索引在sdata中不存在，所以它的结果为NaN。在pandas中，NaN表示缺失数据。
如果传入多个字典，那结果会和上面的例子截然相反
In [94]: sdata2 = {'Ohios': 35000, 'Texass':71000, 'Oregons':16000, 'Utahs':5000}
In [95]: obj3 = Series([sdata,sdata2])
In [96]: obj3
Out[96]:
0 {'Ohio': 35000, 'Texas': 71000, 'Oregon': 1600...
1 {'Ohios': 35000, 'Texass': 71000, 'Oregons': 1...
dtype: object
它会得到一个以传入的字典为值，0到N-1为索引的Series对象。
DataFrame
DataFrame是一个表格型数据，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）。DataFrame既有行索引也有列索引，可以把它想象成Excel表。DataFrame中数据是以一个或者多个二维块存放的（而不是列表、字典或别的一堆数据结构）。
如何构建DataFrame
直接传入一个等长列表或者NumPy数组组成的字典：
In [103]: data = {'state':['Ohio','Ohio','Ohio','Neveda','Neveda'],'year':[2000, 2001, 2002, 2001, 2002],
...: 'pop':[1.5, 1.7, 3.6, 2.4, 2.9]}
In [104]: frame = DataFrame(data)
In [105]: frame
Out[105]:
state year pop
0 Ohio 2000 1.5
1 Ohio 2001 1.7
2 Ohio 2002 3.6
3 Neveda 2001 2.4
4 Neveda 2002 2.9
同样DataFrame会自动加上索引，并且全部列会被有序排列。因为数据会打乱行索引，所以数据不会被自动排序。
如果不想排序列，那我们可以预先指定列的序列:
In [106]: DataFrame(data, columns=['year','state','pop'])
Out[106]:
year state pop
0 2000 Ohio 1.5
1 2001 Ohio 1.7
2 2002 Ohio 3.6
3 2001 Neveda 2.4
4 2002 Neveda 2.9
这样就可以按照我们指定的序列来排序所有的列。
如何获取DataFrame中的列
可以通过属性（只读）的方式或者类似字典标记（读写）的方式获得：
In [107]: frame = DataFrame(data, columns=['year','state','pop'])
In [108]: frame
Out[108]:
year state pop
0 2000 Ohio 1.5
1 2001 Ohio 1.7
2 2002 Ohio 3.6
3 2001 Neveda 2.4
4 2002 Neveda 2.9
In [109]: frame.year
Out[109]:
0 2000
1 2001
2 2002
3 2001
4 2002
Name: year, dtype: int64
In [110]: frame['year']
Out[110]:
0 2000
1 2001
2 2002
3 2001
4 2002
Name: year, dtype: int64
如何获取DataFrame中的某行数据
frame.loc[0]
Out[111]:
year 2000
state Ohio
pop 1.5
Name: 0, dtype: object
In [114]: frame = DataFrame(data, columns=['year','state','pop'],index=['one','two','three','four','five'
...: ])
In [115]: frame.loc['two']
Out[115]:
year 2001
state Ohio
pop 1.7
Name: two, dtype: object
可以通过DataFrame的loc函数来取出行数据。
对列进行修改
上面有说到过DataFrame获取列的读写权限，属性的方法只能读，通过字典标记形式可以进行写入操作。
In [122]: frame['num'] = 16
In [123]: frame
Out[123]:
year state pop num
one 2000 Ohio 1.5 16
two 2001 Ohio 1.7 16
three 2002 Ohio 3.6 16
four 2001 Neveda 2.4 16
five 2002 Neveda 2.9 16
In [120]: frame.num = 16
In [121]: frame
Out[121]:
year state pop
one 2000 Ohio 1.5
two 2001 Ohio 1.7
three 2002 Ohio 3.6
four 2001 Neveda 2.4
five 2002 Neveda 2.9
也可以将列表或者数组赋值给它，但是要注意它的长度是否相匹配。
In [144]: frame['num'] = [5, 4, 3, 2, 1]
In [145]: frame
Out[145]:
year state pop num
one 2000 Ohio 1.5 5
two 2001 Ohio 1.7 4
three 2002 Ohio 3.6 3
four 2001 Neveda 2.4 2
five 2002 Neveda 2.9 1
如果将一个Series赋值给它，就会精确的匹配到DataFrame的索引。
In [146]: val = Series([-1.2, -1.5, -1.7],index=['two','four','five'])
In [147]: frame['val'] = val
In [148]: frame
Out[148]:
year state pop num val
one 2000 Ohio 1.5 5 NaN
two 2001 Ohio 1.7 4 -1.2
three 2002 Ohio 3.6 3 NaN
four 2001 Neveda 2.4 2 -1.5
five 2002 Neveda 2.9 1 -1.7
如果有空位，将会自动填上NaN值。在赋值过程中，如果将要赋值的列不存在，那它会自动创建一个新列。
DataFrame的构造函数能接受的所有数据类型
- 二维ndarray 数据矩阵，还可以传入行标和列标
- 由数组、列表或元组组成的字典 每个序列会变成DataFrame的一列。所有序列的长度必须相同。
- NumPy的结构化数组/记录数组 类似于“由数组组成的字典”
- 由Series组成的字典 每个Series都会成为一列。如果没有指定行索引，则各Series的索引会被合并成结果的行索引。 每个Series的列索引就是在该字典中的键。
- 由字典组成的字典 各内层字典会成为一列。键会被合并成结果的行索引，跟“由Series组成的字典”一样。
- 字典或Series的列表 各项将会成为DataFrame的一行。字典键或Series索引的并集将会成为DataFrame的列标。
- 由列标或元组组成的列表 类似于"二维ndarray"
- 另一个DataFrame 该DataFrame的索引会被沿用，除非指定了其他索引。
- NumPy的MaskedArray 类似于"二维ndarray"的情况，只是掩码值在DataFrame会变成NA/缺失值。
总结
今天学习了Series和DataFrame的数据结构部分。了解了它们的构建方式
Series的构建方式: data = Series([1, 2, 3]) 或者通过传入一个字典来创建Series
Series的常用功能：
Series自定义索引名称 通过在构造函数中设置索引名称来达到自定义索引的目的
Series索引的一些玩法 我们可以通过字典的形式data['one']来获得数据，也可以将其中的参数组成一个数组来获取多个数据data[['one','two','three']]。
Series的运算 Series可以像NumPy一样支持数学运算，并且它的运算方式也和NumPy一样数据批量运算。
DataFrame的构建方式：直接传入一个等长列表或者NumPy数组组成的字典。
如何获取DataFrame中的数据 由于DataFrame是个表格型数据，数据也有两种类型：行数据 和 列数据，以点属性的方式frame.year或者字典形式frame['year']都可以获得列数据。值得注意的是，点属性是获取的是带有只读属性的数据，而字典形式的则是带有读写形式的数据。如果想要修改数据还是得用字典形式来获取数据比较好。
如果是想获取行数据，可以通过loc函数来获取。例如通过行索引名称frame.loc['id'] 或者行索引序列号frame.loc[0] 来获取。
DataFrame的赋值 可以通过字典形式赋值，但要注意与数据长度必须相匹配。也可以直接赋值一个Series对象过去，这样可以在赋值的同时把索引名称也一并带过去。
学了NumPy的基础之后发现学习pandas基础会相当轻松，除了多了一个表格型数据外，它的一些核心用法是差不多的，不管是赋值也好还是索引也罢，只要稍加注意一些如读写，区分行列数据的用法就基本掌握了这些知识点了。
