"""Series的基本用法与示例"""import pandas as pdimport numpyprint("pd版本号:" + pd.__version__)print("numpy版本号:" + numpy.__version__)'''Series(data, index,dtype,copy)data: 输入的数据，可以是列表，常量，ndarray数组等index: 索引。默认为 numpy.arrange(n)dtype 数据类型copy: 对data数据进行copy 默认为false'''# 创建一个空的,类型为int32, Series对象，s = pd.Series([], dtype="int32")print(s)# *******************************# 使用numpy.array 数组类型创建 pandas 的Series 序列对象data = numpy.array(['a', 's', 'd', 'f', 'g'])s = pd.Series(data=data)print(s)# 上面没有传递索引，默认索引从零开始，其索引范围为len(data)-1,# 即数组长度减1，这种默认设置方式被成为”隐式索引“# 也可以直接使用下面的方法显式显示索引s = pd.Series(data=data, index=['第一', '第二', '第三', '第四', '第五'])print(s)# *******************************# 使用dice 字典 创建Series对象  data = {'a': 'b', 2: 1, 5: 'c'}s = pd.Series(data)print(s)# 使用标量值创建Series  标量值按照index的数量进行重复，并一一对应。s = pd.Series(data='a', index=[1, 2, 3, 4, 5])print(s)# *******************************# 访问Series 数据# 位置索引访问：这种访问方式与ndarray和list相同，# 索引标签访问：使用index提供的索引标签进行访问s = pd.Series(data=[1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])print(s[0])  # 位置下标访问方式print(s['a'])  # index索引标签访问方式# 通过切片的方式访问部分数据print(s[1:3])  # 访问下标为 1到3 的数据print(s[-2])  # 访问索引下标为倒数第二个的数值print(s[-2:])  # 访问倒数最后的面的两个数据# 使用索引标签访问多个元素值，注意[]中括号print(s[['a', 'c', 'd']])# *******************************'''Series 常用属性：axes 以列表的形式返回所有行索引标签dtype 返回对象的数据类型empty 返回一个空的Series对象ndim 返回输入数据的维数size 返回输入数据的元素数量values 以ndarray的形式返回Series对象index 返回一个RangeIndex对象，用来描述索引取值范围'''s = pd.Series(data=numpy.random.randn(10))print(s)print(s.axes)  # axesprint(s.dtype)  # dtype 数据类型print(s.empty)  # 是否为空print(s.ndim)  # 数组维数print(s.size)  # 元素数量print(s.values)  # 以ndarray的形式返回Series对象print(s.index)# *******************************'''Series常用方法： head() tail() 查看部分数据'''s = pd.Series(data=numpy.random.random(10))print(s)print("显示前3个数据：")print(s.head(3))print("显示最后个数据：")print(s.tail(2))'''isnull() notnull() 检测空值'''s = pd.Series(data=[1, None, 3, None, 4, None, 6])print(s)print("检测空值：")print(s.isnull())  # 不是空为False 是空为Trueprint(s.notnull())  # 不是空为True 是空为False运行结果如下：pd版本号:1.3.5numpy版本号:1.19.3Series([], dtype: int32)0    a1    s2    d3    f4    gdtype: object第一    a第二    s第三    d第四    f第五    gdtype: objecta    b2    15    cdtype: object1    a2    a3    a4    a5    adtype: object11b    2c    3dtype: int644d    4e    5dtype: int64a    1c    3d    4dtype: int640    0.6493371    0.3830222    0.1279273   -0.1761894   -2.5034825   -0.9182446   -0.0733137    0.8524068    0.1816089   -1.869827dtype: float64[RangeIndex(start=0, stop=10, step=1)]float64False110[ 0.64933725  0.38302211  0.12792697 -0.17618936 -2.50348206 -0.91824365 -0.0733131   0.85240553  0.1816082  -1.86982697]RangeIndex(start=0, stop=10, step=1)0    0.8684251    0.4178342    0.4907323    0.3487604    0.2791875    0.0454096    0.3349427    0.6828818    0.8366199    0.587290dtype: float64显示前3个数据：0    0.8684251    0.4178342    0.490732dtype: float64显示最后个数据：8    0.8366199    0.587290dtype: float640    1.01    NaN2    3.03    NaN4    4.05    NaN6    6.0dtype: float64检测空值：0    False1     True2    False3     True4    False5     True6    Falsedtype: bool0     True1    False2     True3    False4     True5    False6     Truedtype: bool

"""Series的基本用法与示例"""import pandas as pdimport numpyprint("pd版本号:" + pd.__version__)print("numpy版本号:" + numpy.__version__)'''Series(data, index,dtype,copy)data: 输入的数据，可以是列表，常量，ndarray数组等index: 索引。默认为 numpy.arrange(n)dtype 数据类型copy: 对data数据进行copy 默认为false'''# 创建一个空的,类型为int32, Series对象，s = pd.Series([], dtype="int32")print(s)# *******************************# 使用numpy.array 数组类型创建 pandas 的Series 序列对象data = numpy.array(['a', 's', 'd', 'f', 'g'])s = pd.Series(data=data)print(s)# 上面没有传递索引，默认索引从零开始，其索引范围为len(data)-1,# 即数组长度减1，这种默认设置方式被成为”隐式索引“# 也可以直接使用下面的方法显式显示索引s = pd.Series(data=data, index=['第一', '第二', '第三', '第四', '第五'])print(s)# *******************************# 使用dice 字典 创建Series对象  data = {'a': 'b', 2: 1, 5: 'c'}s = pd.Series(data)print(s)# 使用标量值创建Series  标量值按照index的数量进行重复，并一一对应。s = pd.Series(data='a', index=[1, 2, 3, 4, 5])print(s)# *******************************# 访问Series 数据# 位置索引访问：这种访问方式与ndarray和list相同，# 索引标签访问：使用index提供的索引标签进行访问s = pd.Series(data=[1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])print(s[0])  # 位置下标访问方式print(s['a'])  # index索引标签访问方式# 通过切片的方式访问部分数据print(s[1:3])  # 访问下标为 1到3 的数据print(s[-2])  # 访问索引下标为倒数第二个的数值print(s[-2:])  # 访问倒数最后的面的两个数据# 使用索引标签访问多个元素值，注意[]中括号print(s[['a', 'c', 'd']])# *******************************'''Series 常用属性：axes 以列表的形式返回所有行索引标签dtype 返回对象的数据类型empty 返回一个空的Series对象ndim 返回输入数据的维数size 返回输入数据的元素数量values 以ndarray的形式返回Series对象index 返回一个RangeIndex对象，用来描述索引取值范围'''s = pd.Series(data=numpy.random.randn(10))print(s)print(s.axes)  # axesprint(s.dtype)  # dtype 数据类型print(s.empty)  # 是否为空print(s.ndim)  # 数组维数print(s.size)  # 元素数量print(s.values)  # 以ndarray的形式返回Series对象print(s.index)# *******************************'''Series常用方法： head() tail() 查看部分数据'''s = pd.Series(data=numpy.random.random(10))print(s)print("显示前3个数据：")print(s.head(3))print("显示最后个数据：")print(s.tail(2))'''isnull() notnull() 检测空值'''s = pd.Series(data=[1, None, 3, None, 4, None, 6])print(s)print("检测空值：")print(s.isnull())  # 不是空为False 是空为Trueprint(s.notnull())  # 不是空为True 是空为False运行结果如下：pd版本号:1.3.5numpy版本号:1.19.3Series([], dtype: int32)0    a1    s2    d3    f4    gdtype: object第一    a第二    s第三    d第四    f第五    gdtype: objecta    b2    15    cdtype: object1    a2    a3    a4    a5    adtype: object11b    2c    3dtype: int644d    4e    5dtype: int64a    1c    3d    4dtype: int640    0.6493371    0.3830222    0.1279273   -0.1761894   -2.5034825   -0.9182446   -0.0733137    0.8524068    0.1816089   -1.869827dtype: float64[RangeIndex(start=0, stop=10, step=1)]float64False110[ 0.64933725  0.38302211  0.12792697 -0.17618936 -2.50348206 -0.91824365 -0.0733131   0.85240553  0.1816082  -1.86982697]RangeIndex(start=0, stop=10, step=1)0    0.8684251    0.4178342    0.4907323    0.3487604    0.2791875    0.0454096    0.3349427    0.6828818    0.8366199    0.587290dtype: float64显示前3个数据：0    0.8684251    0.4178342    0.490732dtype: float64显示最后个数据：8    0.8366199    0.587290dtype: float640    1.01    NaN2    3.03    NaN4    4.05    NaN6    6.0dtype: float64检测空值：0    False1     True2    False3     True4    False5     True6    Falsedtype: bool0     True1    False2     True3    False4     True5    False6     Truedtype: bool