import pandas as pd

 import numpy as np

 s = pd.Series(np.random.rand(5), index=list('abcde'))

 ＃ 创建序列，其中 index=list('abcde')为每一行添加索引

 s.index.name='alpha'  # 为行索引添加名称标签

 df = pd.DataFrame(np.random.randn(4,3), columns=['one','two','three'])

 # 创建DataFrame，其中columns=['one','two','three']表示为每一列添加索引

 df.index.name = 'row'  # 为行索引添加名称标签

 df.columns.name = 'col'  # 为列索引添加名称标签

 import pandas as pd

 import numpy as np

 s = pd.Series(np.arange(6), index=list('abcbda'))

 # 创建一个带有重复索引的Series

 s['a']  # 找出a的所有索引对应的值

 s.index.is_unique  # 判断s中每个索引是否独一无二

 s.index.unique()  # 找出s中不重复的索引

 s.groupby(s.index).sum()  # 将索引分组并求和

 s.groupby(s.index).mean()  # 将索引分组并求均值

 s.groupby(s.index).first()  # 将索引分组并取第一项

 import pandas as pd

 import numpy as np

 a = [['a','a','a','b','b','c','c'],[1,2,3,1,2,2,3]]

 t = list(zip(*a))

 index = pd.MultiIndex.from_tuples(t,names=['level1','level2'])

 s = pd.Series(np.random.rand(7),index=index)

 # 输出 s

 level1  level2

 a        1         0.029233

           2         0.539508

           3         0.502217

 b        1         0.536222

           2         0.217398

 c        2         0.551864

          3         0.596248

 s['b']

 # 输出

 level2

 1    0.536222

 2    0.217398

 dtype: float64

 s['b':'c']

 # 输出

 level1  level2

 b       1         0.536222

         2         0.217398

 c       2         0.551864

         3         0.596248

 dtype: float64

 s[['a','c']]

 # 输出

 level1  level2

 a       1         0.029233

         2         0.539508

         3         0.502217

 c       2         0.551864

         3         0.596248

 dtype: float64

 s[:,2]

 # 输出

 level1

 a    0.539508

 b    0.217398

 c    0.551864

 dtype: float64