ポイントは、あなたがパンダを学ぶ愛する、いくつかを見るために開くために、あなたが学ばなければなりません！3番

あなたが学び、ドラッグ＆ファイナルに直接ドロップしたくない場合は、長いったらしいブロガーとして、または、Dianshaを言って、彼は卵、その後、3秒を見つけました

私は、そこに小さな目標は、ある記事のような技術を置くことで、興味深い書くのですか

それをプログラミング、最も難しいとは何でしょうか？

私は、エントリに投票しました

ここに画像を挿入説明

実際には、ドアにプログラムされた人が最も難しいです

そして、夢の消しゴムの首長、これを行うには
（本当に、幸せなことは分かりやすく、深遠な記事を書くことですが、また、そのような言い訳を見つけるのは難しい、首長、疲れた心をふり）

ここに画像を挿入説明

私は記事のパンダのシリーズを渡したいです

これは、単純なモジュールを学ぶことができます

その後も道は楽しいものを書くために

美哉~

各記事は、あなたがスムーズに絹のようなそれを読んでみましょう
ここに画像を挿入説明

先に行くと、パンダ、シリーズの機能

パートのブログ、私たちはDiudiuの一連の機能のほとんど理解を行きます

十分な
この、続けていきましょう

ハート瞑想

パンダは、データを処理して、処理は、桁数であります

OK、これにGETはるかに優れていました

その後、私はうまく作ら

ここに画像を挿入説明

import pandas as pd
s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])
print(s)

私は基本的なシリーズを作成し、それがに対処しなければなりません

以下のための線形データの場合

私たちは多くのことを行うことができます

例えば、私は最大値と最小値を取得したいです

ここに画像を挿入説明

import pandas as pd

s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])

print(s.min())
print(s.max())

この文言は単純すぎる、それは我々が何かを学ぶ表示されません。

我々はいくつかの新鮮な（より複雑な例を実際に公式サイト）を取得します

のレベルでインデックスを作成するために、シリーズを与えます

インデックスのレベルで、あなたは何を意味するのですか？

ここに画像を挿入説明

実際には、Excelは、細胞内合併
のコードを見て

idx = pd.MultiIndex.from_arrays([
    ['warm', 'warm', 'cold', 'cold'],
    ['dog', 'falcon', 'fish', 'spider']]
    ,names=['blooded', 'animal'])

s = pd.Series([4, 2, 0, 8], name='legs', index=idx)
print(s)

どのように多くの足についてのテーブルの上に、冷血および温血動物

このような長いテキスト出力のまあ、長い作品

ここに画像を挿入説明
シュシュの内側に秀でる入れ、それは問題ではない、理解していません

ここに画像を挿入説明
大きな音はどのような、行の小型版、明快

ここに画像を挿入説明

テーブルの上に
先に現在のインデックスのままで
後ろの行の実データ

オペレータその後、いくつかの


idx = pd.MultiIndex.from_arrays([
    ['warm', 'warm','warm',  'cold', 'cold'],
    ['dog', 'falcon','people', 'fish', 'spider']]
    ,names=['blooded', 'animal'])

s = pd.Series([4, 2,2, 0, 8], name='legs', index=idx)
print(s)
print(s.min())
print(s.max(level='blooded'))

後者はああ〜複数のインデックスのレベルを制御することです

結果を参照してください、あなたは数秒でそれを理解することができますか？
ここに画像を挿入説明

s = pd.Series([4, 2,2, 0, 8], name='legs', index=idx)
print(s)
print(s.min())  # 输出0
print(s.max(level='blooded')) # 输出 下面的表格

はい、私は次の表しています
ここに画像を挿入説明

それを学び、学んだ、最小値、最大値、合計、idxminは、あなたがidxmaxになります

何何IDXですか？上記のコードを見てみましょう
...インデックスされ...

しかし、また、長いったらしいプロパティ

シリーズでは、プロパティはまた、非常に、非常に重要な、使用することが重要後、効果を欠いたのか？

このプロパティはTで
あり、大文字のT

シリーズのハッハッハ、実際には、この属性、基本的な無駄

ここに画像を挿入説明

使用後、またはそれ自体に等しいです

s = pd.Series([3,1,4],index=['a','b','c'])
print(s)
print(s.T)

機能を見て続行

放浪、そしてどのようにプロパティを見たいです

ああ機能を見て続行

リニア厄介なデータは、私たちのために、
また、ああ並べ替えることができます

import pandas as pd

s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])

あなたが推測としてソートするので、あなたが推測することができます（実際には、ほとんどの人は単に推測することができませんでした、先生はあなたが推測することができると思います）

ここに画像を挿入説明

Aは、ソートインデックスに基づいて、値が発注されます

import pandas as pd

s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])

print(s.sort_values())
print(s.sort_index())

パラメータのいくつかの並べ替え、頻繁にすることができます

Series.sort_values(axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last')

シリーズのためにソートされた基準軸が、それだけで0に設定することができ軸
降順、昇順または真陽性の昇順
インプレースデフォルトはfalse、その場での修正では、真として改正？ねえ、私はあなたに栗をあげるしばらくの間、それを理解していません
種類の方法クイックソート、マージソート、ヒープソートをソート
na_position NULL値、またはフロントポストで、この、あなたが知っているしてみてください

所定の位置に

次のコードを見て、その場を置き換えます

s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])
sorted_s = s.sort_values(inplace=True)
print(sorted_s)

この時、プリントアウトはNoneですが、あなたはSを印刷することができ、テキストは、注文後に表示されます

私は理解していませんでしたか？
Sは、一種の直接変数であります

それを整理した後、我々はシリーズの一部を取得しようとすべきです

いくつかの頭を取得

ヘッドヘッドヘッド

いくつかの最後で取得

尾、尾

import pandas as pd

s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])

print(s.head(2))
print(s.tail(2))

データ取得部は、その後、確かにあなたは、データを自分で削除することができますすることができます
（私は躊躇なく言います）

Series.drop

import pandas as pd

s = pd.Series([3,1,4,1,5,9,2,6,8,3,6])

print(s.drop(labels=[0,1]))

シリーズでは、あるパラメータが必須ですラベル

なぜ？他には、単にサポートしていませんので、

ここに画像を挿入説明
新バージョンでは、インデックスラベルに置き換えることができます

まあ、彼らはそれの新しい知識を学びます

過言ではない、ほんの数

デイリーああ、それの少しを学びます

Dianshaは明日書き、それがデータフレームかもしれ

ここに画像を挿入説明

最後に、公衆にしつこいプログラミングエンジニア、学部非プログラマの数を注意を歓迎

あなたの携帯電話を取り出し、これを取ります

ここに画像を挿入説明