点开，看一段，你就会喜欢上学习pandas，你该这么学！No.3
点开，看一段，你就会喜欢上学习pandas，你该这么学！No.3
其实，把一个人带进编程的大门是最难的
而梦想橡皮擦这位大佬，就在做这个事情 （说白了，就是高深的文章写不出来，还要装做大佬，心好累，好不容易找到这么一个借口，真开心）
我要通过一个系列的pandas文章
让你学会这一个简简单单的模块
然后还能顺便写点好玩的东东
美哉~
每篇文章，让你阅读起来如丝般顺滑
继续pandas,series函数的学习
上篇博客，咱们就稍微了解了一丢丢series的函数
远远不够的 这篇呢，我们继续
心里默念
pandas是处理数据的，是处理数的，数字的
OK,GET到这个就好多了
后面我就好编了
import pandas as pd
s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])
print(s)我创建了一个基本的Series，然后要对它进行处理了
对一个线性的数据来说
我们可以干很多事情
比如，我要获取最大最小值
import pandas as pd
s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])
print(s.min())
print(s.max())这个写法还是太简单了，显示不出来我们学到东西了
咱弄点新鲜的(其实就是官网比较复杂的例子)
先给series创建一个带有层次的索引
带有层次的索引，啥意思？
其实就是excel里面的合并单元格 看代码
idx = pd.MultiIndex.from_arrays([
['warm', 'warm', 'cold', 'cold'],
['dog', 'falcon', 'fish', 'spider']]
,names=['blooded', 'animal'])
s = pd.Series([4, 2, 0, 8], name='legs', index=idx)
print(s)一个关于冷血动物和温血动物关于有多少足的表格
唉，好长一段文字，输出长这个样子
看不明白，没关系，放到excel里面瞅瞅
咋么样，小版一排，清晰明了
就一个表格 当前前面依旧是index 真正的数据就后面那一列
然后，操作一番
idx = pd.MultiIndex.from_arrays([
['warm', 'warm','warm', 'cold', 'cold'],
['dog', 'falcon','people', 'fish', 'spider']]
,names=['blooded', 'animal'])
s = pd.Series([4, 2,2, 0, 8], name='legs', index=idx)
print(s)
print(s.min())
print(s.max(level='blooded'))后面的level就是控制多索引的哦~
看到结果，你可以秒懂吗？
s = pd.Series([4, 2,2, 0, 8], name='legs', index=idx)
print(s)
print(s.min()) # 输出0
print(s.max(level='blooded')) # 输出 下面的表格没错，我是下面的表格
学会了吧，这个学会了,min,max,sum,idxmin,idxmax你应该都会了
什么idx是啥？看看上面的代码 那个是索引... ...
还要啰嗦一个属性
对于series来说，还有一个属性非常，非常重要，重要到使用之后，没啥效果？
这个属性就是T 没错，一个大写的字母T
哈哈哈，其实这个属性对于series来说，基本没啥用
使用之后还是等于自己本身
s = pd.Series([3,1,4],index=['a','b','c'])
print(s)
print(s.T)继续看函数
好像跑偏了，怎么看到属性去了
继续看函数啊
一个线性杂乱的数据，对于我们来说 还可以排序啊
import pandas as pd
s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])既然排序了，你一猜，就能猜到（其实一般人根本猜不到，也就老师觉得你能猜到）
一个是按照值排序，一个是按照索引排序
import pandas as pd
s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])
print(s.sort_values())
print(s.sort_index())排序的一些参数，可以屡屡
Series.sort_values(axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last')- axis 按照哪个参考轴排序. 对于 Series来说，只能设置为0
- ascending 倒序还是正序 True升序
- inplace 默认false，修改为true，原地修改？咦，不明白吧，一会我给你举个栗子
- kind 排序方法 快速排序，归并排序，堆排序
- na_position 空值，在前还是在后，这个，你试一下就知道了
inplace
看一下下面的代码，原地替换
s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])
sorted_s = s.sort_values(inplace=True)
print(sorted_s)这时候打印出来的是None，但是你打印s，就能出现排序之后的文字
明白了没？ 就是把s变量直接给排序了
排序搞定之后，就要尝试获取series中的部分内容
获取头部几条
头部头部head
获取末尾几条
tail,tail
import pandas as pd
s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])
print(s.head(2))
print(s.tail(2))获取部分数据可以，那么肯定也可以删除数据喽 （我顺口说的）
Series.drop
import pandas as pd
s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])
print(s.drop(labels=[0,1]))对于series来说，labels参数是必备的
为什么呢？因为其它的压根不支持
新版本的可以用index替换labels
好了，又学到新知识点了吧
不多不少，几个正好
每日学一点吧，啊
明天写点啥，可能是DataFrame吧