本文主要是介绍pandas-series总结，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
#pandas的学习
#Series 一组数组已经与这组数组的数据标签（索引）完成的
import pandas as pd
obj=pd.Series([4,7,-5,3])
print(obj)
#可以自己建立索引
obj2=pd.Series([4,7,-5,3],index=['a','b','c','d'])
print(obj2)
#可以通过索引的方式选取对应的数值
print(obj2['a'])
#应该可以多个索引，但未成功
##Series里面可以进行计算
print(obj2[obj2>0])
print(obj2>0)
print(obj2*2)
#以上三个的输出
# a 4
# b 7
# d 3
# dtype: int64
# a True
# b True
# c False
# d True
# dtype: bool
# a 8
# b 14
# c -10
# d 6
# dtype: int64
#用来判断索引是不是在这里面,只能判断索引
print('b'in obj2)
#如果数据在python的字典中，可以直接通过字典来创建Series
sdata={'Ohio':35000,'Texas':710000,'Oregon':16000,'Utah':5000}
obj3=pd.Series(sdata)
print(obj3)
#如果只传入一个字典的话，Series的索引就是原字典的键（有序排列的）额妹子嘤啊！！
states=['a','b','c','d']
obj4=pd.Series(sdata,index=states)
print(obj4)
#输出下面这一坨，表示缺失，也就是没找到数据，只能是字典默认索引，不能修改
# a NaN
# b NaN
# c NaN
# d NaN
# dtype: float64
#可以用来判断是不是缺失数据
print(obj4.isnull())
#Series 最重要的一个功能是 自动对其不同索引的数据，索引号相同的相计算，索引号不同的都保留，又是一个额妹子嘤的功能
print(obj3+obj4)
#Series 对象本身及其索引都有一个name属性，可以给Series加上，类似表格的表头,不完全正确
obj4.name='population'
obj4.index.name='state'
print(obj4)
#输出结果
# state
# a NaN
# b NaN
# c NaN
# d NaN
# Name: population, dtype: float64
#
# Series的索引可以通过赋值的方式去修改
obj4.index=['qwe','dd','_','ddd']
print(obj4)
#输出结果
# qwe NaN
# dd NaN
# _ NaN
# ddd NaN
# Name: population, dtype: float64这篇关于pandas-series总结的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
