任何数据类型都必须具备增删改查的操作，否则就无法对数据进行运算。本文讲解Series数据的增删改查、重新索引、对齐操作。
1、增加元素
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(多个Series组成的列表)
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
# 添加元素
s = pd.Series([1,2],index=['a','b'])
s['c'] = '不错' # 添加个索引
print(s)
print('---------------')
# append方式添加元素
s2 = pd.Series([11,22],index=['a','b'])
s = s2.append(s2) # 追加一个Series
print(s)
a 1 b 2 c 不错 dtype: object --------------- a 11 b 22 a 11 b 22 dtype: int64
2、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
import pandas as pd
import numpy as np
# 删除操作
arr = np.random.rand(2)
s = pd.Series(arr,index=['a','b'])
s2 = pd.Series(arr)
res = s.drop(['a'])
print(res)
print('-----------')
res2 = s2.drop([0])
print(res2)
print('-----------')
result = s.drop(['a','b'])
print(result)
print('----------')
s = pd.Series(arr,index=['c','d'])
s.drop(['c'],inplace=True) # inplace=True在自身基础上修改
print(s)
b 0.825498 dtype: float64 ----------- 1 0.825498 dtype: float64 ----------- Series([], dtype: float64) ---------- d 0.825498 dtype: float64
3、更改元素
1、直接通过索引改
2、通过apply函数更改
# 通过key更改元素
arr = np.random.rand(2)
s = pd.Series(arr,index=['a','b'])
print(s)
print('---------')
s['a'] = 100
print(s)
print('---------')
# 通过apply函数更改元素
arr = np.random.rand(2)
s = pd.Series(arr,index=['a','b'])
print(s)
print('---------')
s_new = s.apply(lambda x:x+10)
print(s_new)
a 0.682174 b 0.976155 dtype: float64 --------- a 100.000000 b 0.976155 dtype: float64 --------- a 0.771326 b 0.984102 dtype: float64 --------- a 10.771326 b 10.984102 dtype: float64
4、查看元素
1、head() 默认前5条数据，可以设置参数显示几条。
2、tail() 默认后5条数据，可以设置参数显示几条。
import pandas as pd
import numpy as np
arr = np.random.rand(2)
s = pd.Series(arr,index=['a','b'])
print(s)
print('---------')
print(s.head(1))
print('----------')
print(s.tail(1))
a 0.989174 b 0.474133 dtype: float64 --------- a 0.989174 dtype: float64 ---------- b 0.474133 dtype: float64
5、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。
import pandas as pd
import numpy as np
# 重新索引
d = {'a': 1, 'b': 2, 'c': 3}
s = pd.Series(d, index=['a', 'b', 'c', 'd'])
print(s)
print('------------')
s1 = s.reindex(['a','b','aa','bb'])
print(s1)
print('------------')
s2 = s1.reindex(['a','b','cc','dd'],fill_value='哈哈')
print(s2)
a 1.0 b 2.0 c 3.0 d NaN dtype: float64 ------------ a 1.0 b 2.0 aa NaN bb NaN dtype: float64 ------------ a 1 b 2 cc 哈哈 dd 哈哈 dtype: object
6、对齐操作
1、两个Series求和，索引相同的会自动相加
2、创建Series时如果index参数的值(索引值)有两个相同的话也可以相加计算，但是避免这样。
import pandas as pd
import numpy as np
# 对齐操作
arr = [10,20]
s = pd.Series(arr,index=['a','b'])
print(s)
print('----------------')
s2 = pd.Series(arr,index=['a','c'])
print(s2)
print('=================')
print(s + s2)
print('----------------')
s3 = pd.Series(arr,index=['a','a']) # 索引值相同
print(s3)
print('================')
print(s + s3)
a 10 b 20 dtype: int64 ---------------- a 10 c 20 dtype: int64 ================= a 20.0 b NaN c NaN dtype: float64 ---------------- a 10 a 20 dtype: int64 ================ a 20.0 a 30.0 b NaN dtype: float64