import pandas as pd

import numpy as np

# 自动创建索引

obj = pd.Series([4, 7, -5, 2])

print(obj, type(obj))

print(obj.values)

print(obj.index)

# 自己创建索引

obj2 = pd.Series([2, 5, -32, 3], index=['a', 'b', 'c', 'd'])

print(obj2)

print(obj2['a'])  # 通过索引拿取值

print(obj2[['a', 'c']])

# 数组运算

print(obj2[obj2 > 0])

print(obj2 * 2)

print('b' in obj2)

# 可以通过字典来创建Series

sdata = {'zhangbo': 110, 'zhangwu': 150}

obj3 = pd.Series(sdata)

print(obj3)

# 自动找到对应的索引

states = ['zhangwu', 'zhangbo', 'zhangkai']

obj4 = pd.Series(sdata, index=states)

print(obj4)

print(pd.isnull(obj4))

print(pd.notnull(obj4))

print(obj4.isnull())

print(obj3 + obj4)

# name属性

obj4.name = 'sea'

obj4.index.name = 'state'

print(obj4)

# 索引通过赋值方式进行修改

obj.index = ['bob', 'steve', 'jeff', 'ryan']

print(obj)

# DataFrame第二种pandas中的数据类型，表格型数据结构，数据框

# 既有行索引，又有列索引

data = {

    'state': ['ohio', 'ohio', 'ohio', 'nevada', 'nevada'],

    'year': [2000, 2001, 2002, 2001, 2002],

    'pop': [1.5, 1.7, 3.6, 2.4, 2.9]

}

# 自动创建索引 0 - N-1

frame = pd.DataFrame(data)

print(frame)

# 按指定列进行排列

frame = pd.DataFrame(data, columns=['year', 'state', 'pop'])

print(frame)

# 传入的列找不到数据，则产生NA值, 可以自己创建索引

frame2 = pd.DataFrame(data, columns=['year', 'state', 'pop', 'debt'], index=['one', 'two', 'three', 'four', 'five'])

print(frame2)

print(frame2.columns)  # 单独打印列的名称

print(frame2['state'])  # 获取列

print(frame2.ix['two'])  # 获取行

frame2['debt'] = 16.5  # 修改列的值

frame2['debt'] = np.arange(5)   # 自增

print(frame2)

# 列表或者数组赋值给列, Series精确匹配

val = pd.Series([-23, 3, -4], index=['two', 'four', 'five'])

frame2['debt'] = val

print(frame2)

# 为不存在的列赋值会创造一个新列

frame2['eastern'] = frame2.state == 'ohio'

print(frame2)

del frame2['eastern']  # 关键字del用于删除列

print(frame2)

# 嵌套字典（字典的字典）

pop = {

    'nevada': {

        2001: 2.4,

        2002: 2.9

    },

    'ohio': {

        2000: 1.5,

        2001: 1.7,

        2002: 3.6

    }

}

frame3 = pd.DataFrame(pop)

print(frame3)  # 内层的键会合并形成最终的索引，如果指定索引，则不会这样

print(frame3.T)  # 进行转置

frame3 = pd.DataFrame(pop, index=[2001, 2002, 2003])  # 如果指定索引，则不会这样

print(frame3)

# data数据类型是可以切割的

pdata = {

    'ohio': frame3['ohio'][:-1],

    'nevada': frame3['nevada'][:2]

}

frame4 = pd.DataFrame(pdata)

print(frame4)

# 设置index和columns的name属性,这些信息也会被显现出来

frame3.index.name = 'year'

frame3.columns.name = 'state'

print(frame3)

print(frame3.values)  # 单独获取值

print(frame2.values)