每日10行代码163：认识pandas中的series数据结构3

接上一章
Series中有一种自动对齐索引的特性，这也是一种很有用的特性。

In [32]: obj3
Out[32]:
Ohio       35000
Texas      71000
Oregon    160000
Utah        5000
dtype: int64

In [33]: obj4
Out[33]:
California         NaN
Ohio           35000.0
Oregon        160000.0
Texas          71000.0
dtype: float64

In [34]: obj3+obj4
Out[34]:
California         NaN
Ohio           70000.0
Oregon        320000.0
Texas         142000.0
Utah               NaN
dtype: float64

上面两个数组的相加，会转化成相同索引位置地值相加，如果一方没有就置为空，这个操作如果在数据库里操作的话相当于两张表做一个连接操作，再选取某些值相加。

Series对象自身和索引都有name属性

In [35]: obj4.name = 'population'

In [36]: obj4.index.name='satate'

In [37]: obj4
Out[37]:
satate
California         NaN
Ohio           35000.0
Oregon        160000.0
Texas          71000.0
Name: population, dtype: float64

但是值却没有name属性，可能因为有了Series的name和index的name已经够了，不用再添加别的属性了。

Series的索引可以直接重新赋值。

In [48]: obj
Out[48]:
1    4
2    7
3   -5
4    3
dtype: int64

In [52]: obj.index=['Bob','Steve','Jeff','Ryan']

In [53]: obj
Out[53]:
Bob      4
Steve    7
Jeff    -5
Ryan     3
dtype: int64

Series对象的元素赋值 ：

In [54]: obj[0]=3

In [55]: obj
Out[55]:
Bob      3
Steve    7
Jeff    -5
Ryan     3
dtype: int64

In [56]: obj['Jack']=8

In [57]: obj
Out[57]:
Bob      3
Steve    7
Jeff    -5
Ryan     3
Jack     8
dtype: int64

In [58]: obj['july']='5'

In [59]: obj
Out[59]:
Bob       3
Steve     7
Jeff     -5
Ryan      3
Jack      8
july      5
dtype: object

In [60]: obj['july']='fany'

In [61]: obj
Out[61]:
Bob         3
Steve       7
Jeff       -5
Ryan        3
Jack        8
july     fany
dtype: object

注意上面的代码，赋予不同类型的值会改变dtype