Series類型：由一組數(shù)據(jù)與之相對應的索引組成
使用：(python列表創(chuàng)建)
自動索引：d=pd.Series(range(20))
自定義索引：b=pd.Series([9,8,7,6],index=['a','b','c','d'])
自動索引和自定義索引并存，但不能混用
創(chuàng)建Series

• 標量值：s=pd.Series(25,index=['a','b','c'])
• 字典類型：d=pd.Series({'a': 9,'b': 8})
• ndarray：n=pd.Series(np.arange(5))或者n=pd.Series(np.arange(5)，index=np.arange(9,4,1))
  基本操作b是一個Series類型
• b.index得到索引值
• b.values得到數(shù)據(jù)值
• np.exp(b) 只對b的value部分計算
• 對齊操作：Series+Series
  例如：a=pd.Series([1,2,3],['c','d','e'])和b=pd.Series([9,8,7,6],['a','b','c','d'])-->a+b結果中存在的相加，不存在的直接為NaN
  修改后立即生效

DataFrame類型
表格型數(shù)據(jù)類型，每列值類型可能不同。既有行索引，又有列索引。
創(chuàng)建DataFrame

• 二維ndarray對象d=pd.DataFrame(np.arange(10).reshape(2,5))
• 從一維ndarray對象字典創(chuàng)建
  dt={'one':pd.Series([1,2,3],index=['a','b','c']),'two':pd.Series([9,8,7,6],index=['a','b','c','d'])}
d=pd.DataFrame(dt)
• 列表類型的字典創(chuàng)建
  dl={'one':[1,2,3,4],'two':[9,8,7,6]}
d=pd.DataFrame(dl,index=['a','b','c','d'])
  操作：
  獲取一列元素：d['列標簽']
  獲取一行元素：d.ix['行號']
  獲取某個元素：d['列號']['行號']
  重新索引：增加和重排--reindex
  在行方向重排：d=d.reindex(index=['d','c','b','a'])
  在縱向上重排：d=d.reindex(columns=['城市'，'同比'...])
  
  重新索引
  
  增加新列：newc=d.columns.insert(4,'新增')，newd=d.reindex(columns=new,fill_value=200)
  Series與DataFrame的索引都是Index類型，Index對象不可修改
  索引類型的常用方法
  刪除指定索引對象
  .drop()能夠刪除Series和DataFrame指定行或列索引、
  刪除行：a.drop('c1') a.drop(['c1','c2'])
  刪除列：a.drop('同比'，axis=1)

運算

• 算術運算（四則運算）：根據(jù)索引運算，二維和一維、一維和零維間為廣播運算，產(chǎn)生的運算結果為浮點型
• 算術運算的另一種形式--【.add(d,argws) .sub(d,argws) .mul(d,argws) .div(d,argws)】
  例如：a.add(b,fill_value=100) 即a+b，不存在的部分使用100填充相加
• 不同維運算，其結果發(fā)生在行方向上（軸1），可指定axis=0使其發(fā)生在軸0上運算。
• 比較運算--比較運算只能比較相同索引的元素，不進行補齊，二維和一維、一維和零維間為廣播運算，采用大于、小于、大于等于、等于、不等于產(chǎn)生布爾對象。多維之間的比較尺寸相同，不同會報錯