1.Series介紹及創建
Series是一種類似與一維數組的對象，由下面兩個部分組成：
values：一組數據(ndarray類型)
index：相關的數據索引標籤
創建Series的兩種方式：
第一種：由列表或numpy數組創建：
s1 =Series([11,22,33,44,55],index=['a1','b1','c1','d1','e1'],name='Hello world')
print(s1)
運行結果：
a1 11
b1 22
c1 33
d1 44
e1 55
Name: Hello world, dtype: int64
a1 = np.array([11,22,33,44,55])
s2 = Series(a1,index=['a1','b1','c1','d1','e1'],name='hello series')
print(s2)
運行結果：
a1 11
b1 22
c1 33
d1 44
e1 55
Name: hello series, dtype: int32
第二種：由字典創建，不存在index參數設置，但是依然存在默認索引(數據源必須爲一維數據)
dict = {'hello':12,'series':30}
s3 = Series(data=dict)
print(s3)
運行結果：
hello 12
series 30
dtype: int64
2.DataFrame的介紹及創建
DataFrame具有標記軸(行和列)的二維大小可變，可能異構的表格數據結構
算術運算在行標籤和列標籤上對齊
可以被認爲是Series對象的類似dict的容器
是pandas的主要數據結構
創建DataFrame的4種方式：
1.使用字典創建DataFarme
dicts = {"tag1": [90, 22, 66],'tag2': [12, 33, 66]}
d1 = DataFrame(data=dicts, index=['a', 'b', 'c'])
print(d1)
運行結果：
tag1 tag2
a 90 12
b 22 33
c 66 66
2.使用ndarray創建DataFrame
d2 = DataFrame(data=np.random.randint(0,100,size=(3,6)),index=["one","two","three"],columns=["a","b","c","d","e","f"])
print(d2)
運行結果：無錫人流醫院 http://xmobile.wxbhnk120.com/
a b c d e f
one 62 74 51 29 98 18
two 16 16 44 3 64 72
three 42 94 46 60 34 59
3.隱式構造
最常見的方法是給DataFrame構造函數的index或者columns參數傳遞兩個或更多的數組(如下另個列的標籤數組)
d3 = DataFrame(data=np.random.randint(0, 100, size=(2, 4)), index=['x', 'y'], columns=[['a', 'b', 'c', 'd'], ['q1', 'q2', 'q3', 'q4']])
print(d3)
運行結果：
a b c d
q1 q2 q3 q4
x 47 26 11 8
y 40 76 18 9
4.顯示構造
使用pd.MultiIndex.from_arrays數組方式
創建了一個索引對象，該索引對象爲二層索引
indexObj = pd.MultiIndex.from_arrays([['q1', 'q2', 'q3', 'q1'], ['a', 'b', 'c', 'd']])
d4 = DataFrame(data=np.random.randint(0, 100, size=(2, 4)), index=['x', 'y'], columns=indexObj)
print(d4)
運行結果：
q1 q2 q3 q1
a b c d
x 85 72 43 4
y 8 43 55 68