Series是一种类似与一维数组的对象，它由一组数据以及一组与之相关的数据便签（即索引）组成，仅由一组数据即可产生最简单的Series。
例如：a=Series([9,-3,4,2]) 得到的结果为： 0 9 1 -3 2 4 3 2 系统会自动为Series数据创建整数索引，可通过Series的values和index属性获取其数组表示形式和索引对象 print(Series.values) print(Series.index) 这与字典型数据的keys(),values(),items()类似。 同时我们在创建Series时也可以自定义索引值： b=Series([9,-3,4,2],index=['a','c','d','b']) 那么访问Series中的值时可以直接用b['index']的方法，例如b['c'],b[['d','a']]可以同时选取多个值。 也可以直接将一个字典型数据a转化为Series数据，Series(a)pandas中用NA表示数据缺失，isnull()和notnull()可用于检测缺失数据，用法为：a.isnull(),a.notnull()
DataFrame是一个表格型数据，含有一组有序的列，每一列可以是不同的类型值。DataFrame可以看成是由多个Series组成的字典，它们共用一个索引。
在构建DataFrame时，最最最常用的就是先创建一个data，data一般可以是字典和数组，再用a=DataFrame(data)来转换为DataFrame结构。在DataFrame（data）时也可以同时传入index和columns参数，两个参数必须是列表型。
1).构建DataFrame最常见的方法是传入一个由等长列表或数组组成的字典： 例如： data={ 'name':['bon','kate','jun','sam'], 'stature':['102','112','136','90'], 'grade':['70','76','98','88'] } frame=DataFrame(data) DataFrame会自动加上索引，得到的结果为： name stature grade 0 bon 102 70 1 kate 112 76 2 jun 136 98 3 sam 90 88 2).也可以为DataFrame指定索引 frame2=DataFrame(data,columns=['name','grade','stature','birthdate'], index=['one','two','three','four']) 跟Series中一样若在对应的列中找不到数据，就会产生缺失值NaN. name grade stature birthdate one bon 70 102 NaN two kate 76 112 NaN three jun 98 136 NaN four sam 88 90 NaN 3).取值和赋值 查看列：可用类似字典的方式获取一个Series(即一个列的值)，如：frame2['name']； 查看行：可用索引字段ix来获取某行的值，如：frame2.ix['three']； 可用frame2['birthdate']=1990来直接对某一列进行赋值； 4).删除某一列的值 del frame2['name'] 5)将嵌套型字典转化为DataFrame型时，外层的键作为列，内层的键作为行索引 例如： data={ 'newyork':{'2001':51,'2002':76}, 'houston':{'2001':49,'2002':90}, } DataFrame(data)得到结果为： newyork houston 2001 51 492002 76 90
