import pandas as pd
import numpy as np
import names

'''
寫在前面的話：
  1、series與array類型的不同之處為series有索引，而另一個沒有;series中的數據必須是一維的，而array類型不一定
  2、可以把series看成一個定長的有序字典，可以通過shape,index,values等得到series的屬性
'''
# 1、series的創建
'''
（1）由列表或numpy數組創建
    默認索引為0到N-1的整數型索引，如s1;
    可以通過設置index參數指定索引，如s2；
    通過這種方式創建的series，不是array的副本，即對series操作的同時也改變了原先的array數組，如s3
（2）由字典創建
    字典的鍵名為索引，鍵值為值，如s4；
'''
n1 = np.array([1, 4, 5, 67, 7, 43, ])
s1 = pd.Series(n1)
# print(s1)
'''
  1
  4
  5
  67
  7
  43
dtype: int32
'''
s2 = pd.Series(n1, index=['a', 'b', 'c', 'd', 'e', 'f'])
# print(s2)
'''
a   1
b   4
c   5
d  67
e   7
f  43
dtype: int32
'''
# print(n1)
'''
[ 1 4 5 67 7 43]
'''
s1[2] = 100
s3 = s1
# print(s3)
'''
   1
   4
  100
  67
   7
  43
dtype: int32
'''
# print(n1)
'''
[ 1  4 100 67  7 43]
'''
dict1 = {}
for i in range(10, 15):
  # names.get_last_name()，隨機生成英文名字
  dict1[names.get_last_name()] = i
s4 = pd.Series(dict1)
# print(s4)
'''
Poole   10
Allen   11
Davis   12
Roland  13
Brehm   14
dtype: int64
'''
# 2、series的索引
'''
（1）通過index取值，可以通過下標獲取，也可以通過指定索引獲取，如s6，s7
（2）通過.loc[]（顯示索引）獲取，這種方式只能獲取顯示出來的索引，無法通過下標獲取，如s7（推薦）
（3）隱式索引，使用整數作為索引值，使用.icol[]，如s9（推薦）
'''
s5 = pd.Series(np.array([1, 5, 9, 7, 6, 4, 52, 8]), index=[list('abcdefgh')])
# print(s5)
'''
a   1
b   5
c   9
d   7
e   6
f   4
g  52
h   8
dtype: int32
'''
s6 = s5[2]
# print(s6)
'''
'''
s7 = s5['c']
# print(s7)
'''
c  9
dtype: int32
'''
s8 = s5.loc['c']
# print(s8)
'''
c  9
dtype: int32
'''
s9 = s5.iloc[2]
# print(s9)
'''
'''
# 3、series的切片
'''
  1、series的切片和列表的用法類似，不同之處在于建議使用.loc[:]和.iloc[:]，如s10和s11。當然直接使用[:]也可以。
  2、當遇到特別長的series，我們支取出前5條或后5條數據時可以直接使用.head()或.tail()
'''
s5 = pd.Series(np.array([1, 5, 9, 7, 6, 4, 52, 8]), index=[list('abcdefgh')])
# print(s5)
'''
a   1
b   5
c   9
d   7
e   6
f   4
g  52
h   8
dtype: int32
'''
s10 = s5.loc['b':'g']
# print(s10)
'''
b   5
c   9
d   7
e   6
f   4
g  52
dtype: int32
'''
s11 = s5.iloc[1:7]
# print(s11)
'''
b   5
c   9
d   7
e   6
f   4
g  52
dtype: int32
'''
# 4、關于NaN
'''
  （1）NaN是代表空值， 但不等于None。兩者的數據類型不一樣，None的類型為<class 'NoneType'>，而NaN的類型為<class 'float'>；
  （2）可以使用pd.isnull(),pd.notnull()，或自帶isnull(),notnull()函數檢測缺失數據
'''
# print(type(None),type(np.nan))
'''
<class 'NoneType'> <class 'float'>
'''
s12 = pd.Series([1,2,None,np.nan],index=list('烽火雷電'))
# print(s12)
'''
烽  1.0
火  2.0
雷  NaN
電  NaN
dtype: float64
'''
# print(pd.isnull(s12))
'''
烽  False
火  False
雷   True
電   True
dtype: bool
'''
# print(pd.notnull(s12))
'''
烽   True
火   True
雷  False
電  False
dtype: bool
'''
# print(s12.notnull())
'''
烽   True
火   True
雷  False
電  False
dtype: bool
'''
# print(s12.isnull())
'''
烽  False
火  False
雷   True
電   True
dtype: bool
'''
# 取出series中不為空的值
# print(s12[s12.notnull()])
'''
烽  1.0
火  2.0
dtype: float64
'''
# series的name屬性
'''

'''
s12.name = '風水'
# print(s12)
'''
烽  1.0
火  2.0
雷  NaN
電  NaN
Name: 風水, dtype: float64
'''