# -*- coding: utf-8 -*-

from __future__ import print_function,division

#from pandas import Series,DataFrame

import pandas as pd

#传入data却不传入索引列表，那么自动创建0～N-1的索引

S=pd.Series(data=[1,2,3,4])

print ("S:\n",S)

#传入了data和索引列表

print ()

S2=pd.Series(data=[4,3,2,1],index=["a","b","c","d"])

print ("S2:\n",S2)

print (S2.index)

#通过索引的方式来访问一个或者一列值（很像字典的访问）

print (S2['c'])

print (S2[['a','b','c']])#通过字典创建（上面还说了很像一个字典）

print () dict={"leo":24,"kate":23,"mat":11}

S3=pd.Series(data=dict)

print ("S3:\n",S3)

#即使是传入一个字典，还是可以传入一个索引的，

# 要是索引和字典中的相同，那么就会并进去

# 要是不相同，那么找不到值，相应的value就会被设为NaN

print () idx=["leo","kate","pig","cat"]

S4=pd.Series(data=dict,index=idx)

print ("S4:\n",S4)

import numpy as np

import pandas as pd

#等长列表组成的字典

data={

"name":["leo","tom","kate","pig"],

"age":[10,20,30,40],

"weight":[50,50,40,200]

}

frame=pd.DataFrame(data=data)

print("frame:")

print(frame)

#指定列顺序columns

frame2=pd.DataFrame(data=data,columns=["name","weight","age"])

print("frame2:")

print(frame2)

#指定index,其中columns参数里面没有的,会被设置为NaN

frame3=pd.DataFrame(data=data,columns=["name","weight","age","height"],index=["one","two","three","four"])

print("frame3:")

print(frame3)

#索引一列

print("name:\n",frame3["name"])

print("weight:\n",frame3.weight)

#改变一列的值

frame3["height"]=100

print("frame3")

print(frame3)

T:转秩 
at 基于索引的快速标量访问器,比如使用的时候xxx.at[index,colume] 
iat 整形索引快速访问标量,使用方式例如obj.iat[1,2],相当于依靠位置访问某个元素 
dtypes 返回各个列的元素类型. 
empty 判断是否是空 
loc 通过index来选择,可以得到标量,也可以得到一个Series对象.使用方式可以参照at属性. 
iloc 整形索引,作用和loc一模一样,只是这个是通过整形来索引.这些都只能够得到单个的行或者列. 
ix 可以根据标签选择单个或者一组行,单个列或者一组列,是非常灵活的属性. 
ndim 维度数目Number of axes / array dimensions 
shape 形状 
size 所有元素数量 
values 返回表示值的ndarray