Series数据的增删改查、重新索引、对齐操作。
查看元素
1、head() 默认5条数据，可以设置参数显示几条。
2、tail() 默认5条数据，可以设置参数显示几条。
重新索引
不是修改索引名，而是按照新的索引排序生成新Series。
1、reindex()函数实现，返回新的Series，如果新索引和旧索引有重复则会保留原有的索引及对应的值。
2、通过fill_value参数填充缺失值。
对齐操作
1、两个Series求和，索引相同的会自动相加
2、创建的Series如果index参数的值(索引值)相同的话也可以相加计算，但是避免这样。
删除元素
drop()函数,inplace参数默认False，返回新的Series。inplace设置为True则修改原来的Series
添加元素
1、直接设置一个key来添加元素
2、append()函数，返回新的Series，参数必须是Series or list/tuple of Series
更改元素
直接通过索引改
# -*- coding: utf-8 -*-
import numpy as np
import pandas as pd
# 数据查看
arr = np.random.rand(10)
s = pd.Series(arr)
print(s.head())
print(s.tail())
print(s.head(8))
print('----------------------')
# 重新索引
d = {'b': 1, 'a': 0, 'c': 2}
s = pd.Series(d, index=['b', 'c', 'd', 'a'])
s1 = s.reindex(['a',1,2,3])
print(s1)
s2 = s.reindex(['a',1,2,3],fill_value='哈哈')
print(s2)
print('----------------------')
# 对齐操作
arr = np.random.rand(2)
s = pd.Series(arr,index=['a','b'])
s2 = pd.Series(arr,index=['a','aa'])
s3 = pd.Series(arr,index=['a','a']) #索引值相同
print(s)
print(s2)
print(s3)
print(s + s2)
print(s + s3)
print('-----------------------')
# 删除操作
arr = np.random.rand(2)
s = pd.Series(arr,index=['a','b'])
s2 = pd.Series(arr)
res = s.drop(['a'])
res2 = s2.drop([1])
print(res)
print(res2)
result = s.drop(['a','b'])
print(result)
result_new = s.drop(['a'],inplace=True)
print(result_new,'====')
print(s)
print('---------------------------')
# 添加元素
arr = np.random.rand(2)
s = pd.Series(arr,index=['a','b'])
s['laodong'] = '不错' # 添加个索引
s2 = s.append(s) # 追加一个Series
print(s)
print(s2)
print('--------------------------')
# 更改元素
arr = np.random.rand(2)
s = pd.Series(arr,index=['a','b'])
s['a'] = '不错'
print(s)
D:python3installpython.exe D:/python/py3script/test.py 0 0.025333 1 0.238886 2 0.196152 3 0.293700 4 0.380843 dtype: float64 5 0.162423 6 0.413844 7 0.889539 8 0.347030 9 0.169694 dtype: float64 0 0.025333 1 0.238886 2 0.196152 3 0.293700 4 0.380843 5 0.162423 6 0.413844 7 0.889539 dtype: float64 ---------------------- a 0.0 1 NaN 2 NaN 3 NaN dtype: float64 a 0 1 哈哈 2 哈哈 3 哈哈 dtype: object ---------------------- a 0.295824 b 0.206319 dtype: float64 a 0.295824 aa 0.206319 dtype: float64 a 0.295824 a 0.206319 dtype: float64 a 0.591648 aa NaN b NaN dtype: float64 a 0.591648 a 0.502143 b NaN dtype: float64 ----------------------- b 0.799687 dtype: float64 0 0.350846 dtype: float64 Series([], dtype: float64) None ==== b 0.799687 dtype: float64 --------------------------- a 0.169791 b 0.690881 laodong 不错 dtype: object a 0.169791 b 0.690881 laodong 不错 a 0.169791 b 0.690881 laodong 不错 dtype: object -------------------------- a 不错 b 0.398336 dtype: object Process finished with exit code 0