Series的基本属性和方法

查看Series的属性

miku.shape #形状
miku.size #元素个数
miku.index #索引
miku.values #值
miku.name #索引名字（如有）

查看Series的数据

miku.head(3) #展示前3条数据
miku.tail(3) #展示后3条数据
检测并过滤缺失数据

# 创建一个含有空值的Series
miku = pd.Series(['张三','李四','王五',np.nan])
# NaN 为空值

判断是否为空值

# 判断是否为空值
miku.isnull()
# 额外写法：pd.isnull(miku)

# 判断是否不为空值
miku.notnull()
# 额外写法：pd.notnull(miku)

使用bool索引过滤并输出数据

# 将空值的bool写入cond
cond = miku.isnull()

# 可以使用s[[True,Flase]]来设定是否显示某一个值
# 使用~时，True为False，False为True，取反
s[~cond]

#也可以使用pd.notnull()来直接获取相反的bool值直接过滤，避免使用~。

Series的运算

NumPy的数组运算同样适用于Series

创建一个10-100随机数的一维Series

miku = pd.Series(np.random.randint(10,100,size=10))

常用的Series运算

# 对Series的全部数据进行运算
miku + 100
miku - 100
miku * 100
miku / 100
miku // 2 #整除
miku ** 2 #平方
miku % 2 #求余

Series之间的运算

Series运算会自动对其索引（如不对其则补NaN）

Series没有广播机制

# 创建两个随机Series
miku1 = pd.Series(np.random.randint(10,100,size=3))
miku2 = pd.Series(np.random.randint(10,100,size=3))
miku1 + miku2

# 返回结果
0 105
1 188
2 96
dtype: int32

# 创建两个随机Series
miku3 = pd.Series(np.random.randint(10,100,size=3))
miku4 = pd.Series(np.random.randint(10,100,size=4))
miku3 + miku4

# 返回结果
0 129.0
1 121.0
2 81.0
3 NaN
dtype: float64
#当对应索引缺失时返回NaN
#一切运算以索引为基础，索引1+索引1，索引2+索引2，调换索引顺序不会影响计算结果

# 运算时可以使用.add()来设置空的默认值
miku3.add(miku4,fill_value=0)
# 此时miku3的空值将为0，执行运算时空值将不为NaN