【基础】Pandas数据结构（Series, DataFrame）

# 1. Pandas数据结构基础**

Pandas是一个强大的Python库，用于处理和分析数据。它提供了两种主要的数据结构：Series和DataFrame。Series是一个一维数组，而DataFrame是一个二维表格，其中行和列分别称为索引和列。

Pandas数据结构基于NumPy数组，这使得它们具有高效的数值计算能力。它们还提供了丰富的函数和方法，用于数据操作、索引和切片、聚合和分组。

# 2. Series数据结构

### 2.1 Series的创建和初始化

Series是一种一维数组数据结构，可以存储不同数据类型的元素，包括数字、字符串、布尔值等。创建Series有以下几种方式：

1. **从列表或元组创建：**

import pandas as pd

# 从列表创建Series
data = [1, 2, 3, 4, 5]
series = pd.Series(data)

# 从元组创建Series
data = (1, 2, 3, 4, 5)
series = pd.Series(data)

2. **从字典创建：**

# 从字典创建Series
data = {'a': 1, 'b': 2, 'c': 3}
series = pd.Series(data)

3. **使用pd.Series()函数：**

# 使用pd.Series()函数创建Series
series = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])

### 2.2 Series的索引和数据操作

Series具有索引功能，可以方便地访问和操作数据。

**索引操作：**

* **获取索引：** `series.index`
* **设置索引：** `series.index = new_index`
* **重命名索引：** `series.rename_axis(new_name, axis='index')`

**数据操作：**

* **获取数据：** `series[index]`
* **设置数据：** `series[index] = new_value`
* **添加数据：** `series.append(new_data, ignore_index=True)`
* **删除数据：** `series.drop(index)`

### 2.3 Series的常用函数和方法

Series提供了丰富的函数和方法，用于数据处理和分析。

**常见函数：**

* **统计函数：** `mean()`, `median()`, `max()`, `min()`
* **数据转换函数：** `astype()`, `fillna()`, `replace()`
* **字符串操作函数：** `str.upper()`, `str.lower()`, `str.split()`

**常用方法：**

* **排