Python
Pandas
要学习pandas了，，看官网上的资料还是很多的，就根据找到的资料简单总结下吧。
这里也有很多同学分享的资料，这里都整理下，按照自己的理解整理下。
序
这里的主要内容，参考官方教程：
http://pandas.pydata.org/pandas-docs/stable/dsintro.html#dsintro
pandas里面有3个基本的数据结构，
我们可以把Series，理解成一维数组，但是又和常规的一维数组不太一样。
Series是一维的标签数组，可以存储任意的数据类型（integers，strings，floating point numbers，Python objs，etc.)
这里为什么是标签数组呢？因为他多了一个轴的概念，类似索引，我们往下看下就知道了。
Series初始化
引入必要的类
import pandas as pd
import numpy as np
基本初始化语法：
s = pd.Series(data, index=index)
这个data，就是我们要初始化的数据，index，就是那个标签了，即索引
data呢，常规可以为：
from ndarray
如果data是ndarray，index的长度必须和data的长度一样，或者保持默认，index会自动初始化，就是下标从0开始
s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
这里呢，我们data的长度是5，我们index的长度也是5
如果不是5呢，我们试试
这里是会报错的，少了不行，那多了呢？
也是不行的，所以，如果初始化index的话，长度一定要和data一样
当然，默认是可以的，
s = pd.Series(np.random.randn(5))
index默认初始化，从0开始
from dict
如果data为dict，因为dict是key，value的，所以，默认初始化时，会使用key来初始化index
当然，我们也可以，显式初始化index
通过上面的例子，我们发现，如果指定的index没有包括所有的data中的key，那么就只显示index中有的；
如果指定的index中有data中key没有的，那么就用NAN来赋值
from scalar value
如果data是常量，那么我们必须初始化index
刚试了下，好像也不用，默认会初始化一个长度的
Series使用
Series使用起来也很方便
Series is ndarray-like
我们可以使用下标，
s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
Series is dict-like
我们也可以像dict一样，使用index来操作Series
附录（参考资料）
博客：1.1 pandas数据结构Series
官方教程：Intro to Data Structures
------update at 2017-08-07
Series使用后记
这里记录些Series使用上的心得
Series使用起来，不仅可以使用下标来获取元素，也可以使用index来获取
s = pd.Series(np.random.randn(5) , index=list('abcde'))
s
Out[89]:
a -0.434789
b -0.047950
c -0.826720
d 1.493415
e 0.806696
dtype: float64
s[0]
Out[90]: -0.43478889663783105
s['a']
Out[91]: -0.43478889663783105
s[1:3]
Out[92]:
b -0.04795
c -0.82672
dtype: float64
s['b':'d']
Out[93]:
b -0.047950
c -0.826720
d 1.493415
dtype: float64
s[[3,2,1]]
Out[94]:
d 1.493415
c -0.826720
b -0.047950
dtype: float64
s[['b','c','a']]
Out[95]:
b -0.047950
c -0.826720
a -0.434789
dtype: float64
对于NaN值得处理,我们可以使用isnull，notnull来判断是否有NaN值
a = {'lufei':10,'namei':30,'qiaoba':40}
s = pd.Series(a,index=['lufei','namei','qiaoba','suolong'])
s
Out[98]:
lufei 10.0
namei 30.0
qiaoba 40.0
suolong NaN
dtype: float64
s.isnull()
Out[99]:
lufei False
namei False
qiaoba False
suolong True
dtype: bool
s.notnull()
Out[100]:
lufei True
namei True
qiaoba True
suolong False
dtype: bool
Series的索引就可就地修改，直接使用s.index
s.index
Out[104]: Index(['lufei', 'namei', 'qiaoba', 'suolong'], dtype='object')
s.index=list('abcd')
s
Out[107]:
a 10.0
b 30.0
c 40.0
d NaN
dtype: float64
