一起学习，一起成长！
Numpy是python及其重要的计算包，因此numpy的工作原理将在下一个小系列中详细介绍：
1.Numpy数组操作
Numpy数组操作(如根据布尔数组进行过滤、标量乘法、应用数学函数等。)将保持索引和值之间的联系：
例如：
@ In [7]: obj2[obj20]
@ In [8]: obj2*2
@ In [10]: np.exp(obj2)
2.可以使用一些字典参数的函数
数列可以看作是从索引值到数据值的映射。
在obj2的[14]: 'b '中
Out[14]: True
3.通过字典创建系列
在[15]: sdata={ '俄亥俄州' :35000，'得克萨斯州' :70000}
在[16]: obj 3=系列(sdata)中
在[17]: obj3中
Out[17]:
德州70000
俄亥俄州35000
dtype: int64
如果只传入一个字典，结果序列中的索引就是原始字典的关键字(按顺序排列)。
在[17]: sdata={ '俄亥俄州' :35000，'得克萨斯州' :70000}
在[18]:个州=['加利福尼亚州'，'俄亥俄州']
在[19]: obj 4=系列中(sdata，index=状态)
在[20]: obj4中
Out[20]:
加州NaN
ohino NaN
dtype: float64
4.缺失数据的表示和检测
NaN(非数字)在熊猫中，它用来表示缺失或NA值。使用缺失或无表示缺失数据。Pandas的isnull和notnull函数可用于检测丢失的数据。
在[21] :pd中为空。isnull (obj4) #或obj4.isnull()
Out[21]:
真加州
真的
dtype: bool
不在[22] :pd中。不为null (obj4) #或obj4.notnull()
Out[22]:
假加州
假的
dtype: bool
5.Series自动比较不同索引的数据。
对于许多应用程序来说，Series最重要的功能之一是在算术运算中自动对齐不同索引的数据。
在[25]: obj3中
Out[25]:
德州70000
俄亥俄州35000
dtype: int64
在[26]: obj4中
Out[26]:
加州NaN
ohino NaN
dtype: float64
[27]: obj3 obj4中
Out[27]:
德州NaN
加州NaN
ohino NaN
俄亥俄州NaN
dtype: float64
数据对齐功能将在单独的主题中解释。
6.名称属性
这一属性与熊猫的其他关键功能密切相关：
In [28]: obj4.name='pop '
in[29]: obj 4 . index . name=' state '
在[30]: obj4中
Out[30]:
状态
加州NaN
ohino NaN
名为： pop，dtype: float64
7.通过赋值将索引修改到位。
系列指数可通过赋值就地修改：
In [31]: obj4.index=['bob '，' lie']
在[32]: obj4中
Out[32]:
bob NaN
lie NaN
名为： pop，dtype: float64
亲爱的，如果笔记对你有帮助，记得在收藏的时候给点赞和关注！谢谢！」
“本文中的所有代码都经过了个人测试。如有错误，请批评指正，共同学习，共同成长！」