pandas中的Series学习

具体方法参见：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.html

Series 是一个一维数组结构的，可以存入任一一种python的数据类型(integers, strings, floating point numbers, Python objects, etc.)。

创建一个Series的最基本方法是：

>>> s = pd.Series(data, index=index)

程序：

# -*- coding: utf-8 -*-
#-*-coding : utf-8 -*-
import numpy as np
import pandas as pd
s = pd.Series([1,2,3,np.nan,6])  #np.nan为NAN;
q  =pd.Series({'a':3,'b':4,'c':5,'f':6,'e':8})   #以一字典结构为参数
print q
print "len():",len(s)  #Series(s)的长度,包括NAN；注意：NAN在pandas中不是一个值是缺省值
print "shape():",np.shape(s)  #矩阵形状；
print "count():",s.count()  #Series的长度，不包括NAN；
print "unique():",s.unique()  #出现不重复的values值；
print "value_counts():\n",s.value_counts()   #同意values值得次数；
print s
print '*'*40
t = pd.Series(np.random.randn(5),index=['a','b','c','d','e'],name='something')  # pd.Series([list]，index=[list])//以list为参数，参数为一list;index为可选参数，
print t                                                                        #若不填则默认index从0开始；若添则index长度与value长度相等
print '^'*40
m = pd.Series(5.,index=['a','b','c','d','e'])
print m
print '%'*40
a = pd.Series(np.random.random_sample(20))
print a
print a.head()   #取出头n行，n为可选参数，默认n=5；
print a.tail()   #取末尾n行，n为可选参数，默认n=5；
print '$'*40
print m+t  #相同index的value相加，若index并非共有的则该index对应value变为NaN
print '@'*40
print s+t


结果：

a    3
b    4
c    5
e    8
f    6
dtype: int64
len(): 5
shape(): (5L,)
count(): 4
unique(): [  1.   2.   3.  nan   6.]
value_counts():
6.0    1
3.0    1
2.0    1
1.0    1
dtype: int64
0    1.0
1    2.0
2    3.0
3    NaN
4    6.0
dtype: float64
****************************************
a   -0.927462
b   -0.027922
c   -1.569187
d   -1.595163
e    0.547615
Name: something, dtype: float64
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
a    5.0
b    5.0
c    5.0
d    5.0
e    5.0
dtype: float64
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
0     0.718951
1     0.826478
2     0.484672
3     0.792322
4     0.336493
5     0.764659
6     0.515082
7     0.917730
8     0.131164
9     0.358306
10    0.557721
11    0.286593
12    0.507390
13    0.877456
14    0.614322
15    0.985765
16    0.087540
17    0.336409
18    0.543998
19    0.319411
dtype: float64
0    0.718951
1    0.826478
2    0.484672
3    0.792322
4    0.336493
dtype: float64
15    0.985765
16    0.087540
17    0.336409
18    0.543998
19    0.319411
dtype: float64
$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$
a    4.072538
b    4.972078
c    3.430813
d    3.404837
e    5.547615
dtype: float64
@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@
0   NaN
1   NaN
2   NaN
3   NaN
4   NaN
a   NaN
b   NaN
c   NaN
d   NaN
e   NaN
dtype: float64