最近在做数据分析，所以用了一些pandas，但是在用的过程中，深感基础不扎实，不能达到灵活运用的程度，于是想着深入学一下pandas. 那么就先从series开始。
Series是pandas里最基础的一个数据结构，虽然DateFrame常常用得更多，但series仍然是pandas里基础的基础，DateFrame中的列也都是一个series.
series是一种一维的数组型对象，有点类似于python原生的列表，但考虑到他也有索引，所以跟字典也有一些类似 。

In [2]: import pandas as pd

In [3]: obj=pd.Series([4,7,-5,3])

In [4]: obj
Out[4]:
0    4
1    7
2   -5
3    3
dtype: int64

从上面的代码可以看到series是有索引的，这一点跟列表，数组有一定的区别，如果创建series时没有指定索引，那么会自动生成从0到n-1的索引。

In [6]: obj.values
Out[6]: array([ 4,  7, -5,  3], dtype=int64)

In [7]: obj.index
Out[7]: RangeIndex(start=0, stop=4, step=1)

可以通过values和index属性来访问series的值和属性，这里要注意，这两者都不是简单的列表类型，而是一些特殊的对象 。

In [8]: obj2 = pd.Series([4,7,-5,3],index=['d','b','a','c'])

In [9]: obj2
Out[9]:
d    4
b    7
a   -5
c    3
dtype: int64

In [10]: obj2.index
Out[10]: Index(['d', 'b', 'a', 'c'], dtype='object')

创建series时，也可以指定索引。

In [11]: obj2[1]
Out[11]: 7

In [12]: obj2.a
Out[12]: -5

In [13]: obj2['a']
Out[13]: -5

In [14]: obj2[1:2]
Out[14]:
b    7
dtype: int64

In [15]: obj2[1:3]
Out[15]:
b    7
a   -5
dtype: int64

In [16]: obj2[['c','a','d']]
Out[16]:
c    3
a   -5
d    4
dtype: int64

访问series元素的几种方法。他既能像列表一样直接用下标访问，也能像字典一样用索引访问，还能给定一个索引列表，访问一组索引的值。总体上还是比列表和字典都灵活。