认识
pandas是python第三方库，提供高性能易用数据类型和分析工具。
它引入了series和DataFrame两个数据类型。
series 索引+ 一维数据
DataFrmae 索引+ 二维数据
pandas的设计初衷，在于希望建立起数据与索引的对应关系，通过操作索引就能变相操纵数据，而不用关心数据的纬度，减轻思考负担。
pandas希望用户能像对待单一数据一样对待series和DataFrame对象。
数据有两列，左边的是索引，右边的数据。
对比一下Numpy 与 Pandas
前者更关注一组数据的结构表达，即数据的纬度。后者更关注数据的应用表达。
创建
还可以使用index=[]形式来指定索引。
Series可以由如下类型创建
python列表，python字典，标量值（一个值），ndarray，其他函数。
标量值创建：
与字典类型非常相似，创建，键就是索引：
当指定的索引，与字典创建的索引不同时，两者会自动合并，‘d’索引没有对应的值，以NAN标记，其他的值都由int64变成了float64，因为pandas基于Numpy，Numpy默认就是浮点数。
从ndarray类型创建
不仅值可以由ndarray类型创建，索引也可以由ndarray类型创建：
基本操作
因为series类型包括index和values两部分，所以其操作也可以归纳成这两部分，和ndarray类型，字典类型相似。
index关键字可以省略。
对于一个series类型，通过.index获得索引，类型名字叫做‘index’.values获得数据，array表明是numpy类型：
通过这个测试揭露了pandas的本质，值部分就是numpy类型，单独新建了一个索引与值关联，两者结合到一起，就是series类型。
或者可以把pandas理解成一种“新字典”，key 就是自动新建的索引，values就是numpy。
顺理成章，能够直接通过key获得values：
注意series类型就算用户自定义了索引，其默认的索引也自动生成，所以可以通过b[1]获取值，但是这两种索引不能混合使用；而在获取多个values时，key要用,号和[]号再次标记。
切片操作：
可以通过自动索引进行切片，如果存在自定义索引，则一同被切片
区别在于，如果用自定义索引切片，包括最右边，‘c’索引依然被切片
判断一个自定义索引是否在series类型中，用关键字in，in不会判断自动索引：
也可以用get()方法获取values：
Numpy中的运算和操作可用于series类型。
两个series类型合并，即series+series，自动对齐操作：
索引值相同的值进行运算，索引不同的值置为NaN.
Series对象和索引都可以有一个名字，存储在属性.name中
默认的时候，b是没有额外名字，b.name无显示。可以指定series对象的名字，和索引的名字。
修改值注意，只需要一个[]，和返回值不同。
怎么修改series的索引呢？
我暂时只知道可以用.index重新赋值：
感觉还是不太方便，如果我只想修改其中一个索引，要全部重新赋值？？比如只想把‘h’修改为‘t’，其他不变，不知道能不能指定修改？