# 引入Series和DataFrameIn [16]: from pandas import Series,DataFrame
In [17]: import pandas as pdIn [18]: ser1 = Series([1,2,3,4])In [19]: ser1
Out[19]:
0    1
1    2
2    3
3    4
dtype: int64

# 给index指定一个listIn [23]: ser2 = Series(range(4),index = ["a","b","c","d"])In [24]: ser2
Out[24]:
a    0
b    1
c    2
d    3
dtype: int64

In [45]: sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000}In [46]: ser3 = Series(sdata)
# 可以发现，用字典创建的Series是按index有序的
In [47]: ser3
Out[47]:
Ohio      35000
Oregon    16000
Texas     71000
Utah       5000
dtype: int64

In [48]: states = ['California', 'Ohio', 'Oregon', 'Texas']In [49]: ser3 = Series(sdata,index = states)In [50]: ser3
Out[50]:
California        NaN
Ohio          35000.0
Oregon        16000.0
Texas         71000.0
dtype: float64# 判断哪些值为空In [51]: pd.isnull(ser3)Out[51]: California     TrueOhio          FalseOregon        FalseTexas         Falsedtype: bool

In [52]: pd.notnull(ser3)Out[52]: California    FalseOhio           TrueOregon         TrueTexas          Truedtype: bool

# 访问索引为"a"的元素In [25]: ser2["a"]
Out[25]: 0
# 访问索引为"a","c"的元素
In [26]: ser2[["a","c"]]
Out[26]:
a    0
c    2
dtype: int64
# 获取所有的值
In [27]: ser2.values
Out[27]: array([0, 1, 2, 3])
# 获取所有的索引
In [28]: ser2.index
Out[28]: Index([u'a', u'b', u'c', u'd'], dtype='object')

In [34]: ser2[ser2 > 2]
Out[34]:
a    64
d     3
dtype: int64In [35]: ser2 * 2
Out[35]:
a    128
b      2
c      4
d      6
dtype: int64In [36]: np.exp(ser2)
Out[36]:
a    6.235149e+27
b    2.718282e+00
c    7.389056e+00
d    2.008554e+01
dtype: float64

# ser3 的内容In [60]: ser3
Out[60]:
Ohio      35000
Oregon    16000
Texas     71000
Utah       5000
dtype: int64
# ser4 的内容
In [61]: ser4
Out[61]:
California        NaN
Ohio          35000.0
Oregon        16000.0
Texas         71000.0
dtype: float64
# 相同索引值的元素相加
In [62]: ser3 + ser4
Out[62]:
California         NaN
Ohio           70000.0
Oregon         32000.0
Texas         142000.0
Utah               NaN
dtype: float64

In [64]: ser4.index.name = "state"In [65]: ser4.name = "population"In [66]: ser4
Out[66]:
state
California        NaN
Ohio          35000.0
Oregon        16000.0
Texas         71000.0
Name: population, dtype: float64

import numpy as np
import pandas as pd
from pandas import Sereis, DataFrameser = Series(np.arange(3.))data = DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz'))data['w']  #选择表格中的'w'列，使用类字典属性,返回的是Series类型data.w    #选择表格中的'w'列，使用点属性,返回的是Series类型data[['w']]  #选择表格中的'w'列，返回的是DataFrame类型data[['w','z']]  #选择表格中的'w'、'z'列data[0:2]  #返回第1行到第2行的所有行，前闭后开，包括前不包括后data[1:2]  #返回第2行，从0计，返回的是单行，通过有前后值的索引形式，#如果采用data[1]则报错data.ix[1:2] #返回第2行的第三种方法，返回的是DataFrame，跟data[1:2]同data['a':'b']  #利用index值进行切片，返回的是**前闭后闭**的DataFrame, #即末端是包含的  #——————新版本pandas已舍弃该方法，用iloc代替———————
data.irow(0)   #取data的第一行
data.icol(0)   #取data的第一列ser.iget_value(0)  #选取ser序列中的第一个
ser.iget_value(-1) #选取ser序列中的最后一个，这种轴索引包含索引器的series不能采用ser[-1]去获取最后一个，这会引起歧义。
#————————————————————————————-----------------data.head()  #返回data的前几行数据，默认为前五行，需要前十行则data.head(10)
data.tail()  #返回data的后几行数据，默认为后五行，需要后十行则data.tail(10)data.iloc[-1]   #选取DataFrame最后一行，返回的是Series
data.iloc[-1:]   #选取DataFrame最后一行，返回的是DataFramedata.loc['a',['w','x']]   #返回‘a’行'w'、'x'列，这种用于选取行索引列索引已知data.iat[1,1]   #选取第二行第二列，用于已知行、列位置的选取。

>>> range(0,5)                 #生成一个range object,而不是[0,1,2,3,4]
range(0, 5)
>>> c = [i for i in range(0,5)]     #从0 开始到4，不包括5，默认的间隔为1
>>> c
[0, 1, 2, 3, 4]
>>> c = [i for i in range(0,5,2)]   #间隔设为2
>>> c
[0, 2, 4]  

>>> range(0,1,0.1)    #range中的setp 不能使float
Traceback (most recent call last):  File ”<pyshell#5>”, line 1, in <module>  range(0,1,0.1)
TypeError: ’float’ object cannot be interpreted as an integer  

>>> np.arange(3)  array([0, 1, 2])  >>> np.arange(3.0)  array([ 0.,  1.,  2.])  >>> np.arange(3,7)  array([3, 4, 5, 6])  >>> np.arange(3,7,2)  array([3, 5])  >>> arange(0,1,0.1)
array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9])