import pandas as pd
a = [1, 'xy', {'a': 3}]
ser = pd.Series(b,copy=False)
print(ser)
输出：
#索引 值
0 1
1 ab
2 {'a': 3}
dtype: object
#索引取值
print(a[1])
输出：
xy
#自定义索引
myvar2 = pd.Series(a, index=['x', 'y' , 'z'])
print(myvar2)
输出：
x 1
y xy
z {'a': 3}
dtype: object
1.1.2字典（dict）生成series
import pandas as pd
a = {
'a': 'A',
'b': 'B',
'c': 'C'
}
#指定名称
myvar = pd.Series(a, name='test')
print(myvar)
输出：
a A
b B
c C
Name: test, dtype: object
#字典生成series可以根据字典key的值截取数据
myvar2 = pd.Series(a, index=['a', 'c'])
print(myvar2)
输出：
a A
c C
dtype: object
1.2 DataFrame
DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。
a = [['a', 'b', 'c'], [1, 2, 3]]
myvar = pd.DataFrame(a)
print(myvar)
输出：
0 1 2
0 a b c
1 1 2 3
#自定义行索引
myvar = pd.DataFrame(index=['x', 'y'])
print(myvar)
输出：
0 1 2
x a b c
y 1 2 3
#自定义列索引
myvar2 = pd.DataFrame(a, columns=['A','B','C'])
print(myvar2)
输出：
A B C
0 a b c
1 1 2 3
#根据行索引取一行的值
print(myvar2.loc[0])
输出：
A a
B b
C c
Name: 0, dtype: object
#loc函数取出来的其实就是一个Series
print(myvar2.iloc[0, :])
输出：
A a
B b
C c
Name: 0, dtype: object
#根据列索引取一列
print(myvar2['C'])
输出：
0 c
1 3
Name: 2, dtype: object
#行列索引取具体值
print(myvar2.loc[0]['A'])
输出：
a
print(myvar2.iloc[0, 0])
输出：
a
#列行索引取具体值
print(myvar2['A'][0])
输出：
a
PS：行列取值和列行取值，写法不一样。
1.2.2 字典（dict）生成DataFrame
#没有对应的部分，数据自动补充为为NaN
data = [{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data,index=['x','y'])
print(df)
输出：
a b c
x 1 2 NaN
y 5 10 20.0
#NaN并不是字符串
print(type(df.loc['x']['c']))
输出：
<class 'numpy.float64'>
#下面这种方式要求每列数据的个数一样，不然会报错
data = {'Site':['Google', 'Runoob', 'Wiki'], 'Age':[10, 12, 13]}
df = pd.DataFrame(data)
print (df)
输出：
Site Age
0 Google 10
1 Runoob 12
2 Wiki 13
