import numpy as np
import pandas as pd

# Series
obj = pd.Series([4, 7, -5, 3])  # 创建 Series
obj.values                      # 查看所有值
obj.index                       # 查看所有索引

obj2 = pd.Series([4, 7, -5, 3], index=['d', 'b', 'a', 'c']) # 指定索引

obj2['a']               # 通过索引选择值
obj2['b'] = 6           # 改变值
obj2[['c', 'a', 'd']]   # 按照指定顺序选择值

obj2[obj2 > 0]  # 通过布尔条件选择值
obj2 * 2        # 各元素 * 2
np.exp(obj2)    # 应用 np 的数学函数

'b' in obj2 # 查看索引是否存在

sdata = {'Ohio': 3500,  'Texas': 71000, 'Oregon': 16000, 'Utah': 5000}
obj3 = pd.Series(sdata) # 使用字典创建 Series

states = ['California', 'Ohio', 'Oregon', 'Texas']
obj4 = pd.Series(sdata, index=states)   # 改变索引顺序，California 值为 NaN，Utah 被丢弃

pd.isnull(obj4)     # 查看各元素是否是空值
pd.notnull(obj4)    # 查看各元素是否不是空值

obj4.name = 'population'    # 设置 Series name 属性

obj.index = ['Bob', 'Steve', 'Jeff', 'Ryan']    # 通过赋值的方式设置索引


# DataFrame
data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada', 'Nevada'], 'year': [2000, 2001, 2002, 2001, 2002, 2003], 'pop': [1.5, 1.7, 3.6, 2.4, 2.9, 3.2]}
frame = pd.DataFrame(data)  # 使用字典创建 Dataframe

frame.head()    # 预览前 5 行
frame = pd.DataFrame(data, columns=['year', 'state', 'pop'])    # 设置列名

frame2 = pd.DataFrame(data, columns=['year', 'state', 'pop', 'debt'], index=['one', 'two', 'three', 'four','five', 'six'])  # debt 会显示空值
frame2.columns  # 查看所有 columns
frame2.index    # 查看所有 index
frame2['state'] # 通过 columns 选择元素
frame2.year     # 通过 columns 选择元素

frame2['eastern'] = frame2.state == 'Ohio'
del frame2['eastern']   # 使用 del 删除列

pop = {'Nevada': {2001: 2.4, 2002: 2.9}, 'Ohio': {2000: 1.5, 2001: 1.7, 2002: 3.6}} # 嵌套字典
frame3 = pd.DataFrame(pop)  # 使用嵌套字典创建 Dataframe
frame3.T                    # 转置