Attributes

该模块下的功能似乎都是获取所定义的Series的属性配置。
16个功能，一个Series有那些是比较需要注意的配置属性呢？或者说，那些配置信息更有价值。
比较有用：1，2，8，11， 有些用：10

index（1）： 在pandas中有索引对象，该对象中包含了许多方法以便对索引进行使用。说明索引在pandas中地位不低，在后期的使用中应该是会遇到的比较多的。

index = [1,2,3,4,5]
indexi = ['A','B','C','D','E']
pdindex = pd.Series(data=index,index=indexi,dtype=int)
print(pdindex)
print(pdindex.index)
print(len(pdindex.index))

array（2）：将Series的返回结果转变成数组的形式，pandas中也有专门的对象来进行数组的处理，以及引用，扩展了numpy库，在后面使用到pandas数组时可以一同比照numpy来进行操作。

index = ['a','b','c']
pdindex = pd.Series(data=index,dtype=str)
#转化为了数组后，带有了切片的功能。
print(pdindex.array[0:1]) 
print(type(pdindex.array))
print(pd.Series(pdindex.array))

values（3）：这个功能感觉较为多余，pandas也推荐使用array，或to_numpy来替代。这个功能返回一个numpy.ndarray或ndarray-like，这样的话要么就是获得了一个numpy的对象持有，要么就是pandas内部其它数组的对象持有。似乎使用的必要性不大。

dtype（4）：这个功能返回基础数据类型对象，一般情况下应该意义不大。

index = ['a','b','c']
pdindex = pd.Series(data=index,dtype=str)
print(pdindex.dtype)
#下面比较令我感兴趣的是为什么最终返回的是numpy.dtype，难道Series是直接调用的numpy？
print(type(pdindex.dtype))
print(type(pd.Series([1,2]).dtype))

shape（5）：将基础数据转变为元组，比较不解的是，转变完后无法在获取数组值了，也没有什么有效的配置方法，该功能比较鸡肋。
nbytes（6）：返回字节数，价值比重感觉靠后。
ndim（7）：返回基础数据维度数，比较鸡肋的感觉。
size（8）：返回基础数据元素数，有一些用处，可以查看获取的数据集的数据量。

index = [[1],[2,2],3]
pdindex = pd.Series(data=index,dtype=str)
print(pdindex.size)

T（9）：说是按定义转置矩阵，但使用后好像没什么反应，不清楚是否还有其它定义方式来设置。

index = [1,2,3]
pdindex = pd.Series(data=index,dtype=str)
print(pdindex)
print('------------------------------')
print(pdindex.T)

memory_usage（10）：返回使用的比特内存数，这个方法带有两个参数：index（ 是否包含索引的使用内存 ），deep（深度的查询系统内存消耗）。

index = [1,2,3]
pdindex = pd.Series(data=index,dtype=str)
print(pdindex.memory_usage())
print(pdindex.memory_usage(index=False))
print(pdindex.memory_usage(deep=True))

hasnans（11）：如果有NAN数据，则返回为True, 否则返回false。可以用于数据预处理。

import pandas as pd
import numpy as np
index = [1,2,3]
pdindex = pd.Series(data=index,dtype=str)
print(pdindex.hasnans)
index = [1,2,np.nan]
pdindex = pd.Series(data=index)
print(pdindex.hasnans)

empty（12）：检测是否有数据，如果数据仅为NAN，那么也认为是非空。

import pandas as pd
import numpy as np
index = [1,2,3]
pdindex = pd.Series(data=index,dtype=object)
print(pdindex.empty)
index = [np.nan]
pdindex = pd.Series(data=index,dtype=object)
print(pdindex.empty)
index = []
pdindex = pd.Series(data=index,dtype=object)
print(pdindex.empty)

dtypes（13）：感觉和dtype差不多，目前没发现什么特别的用处。

index = [1,2,3]
pdindex = pd.Series(data=index,dtype=object)
print(pdindex.dtypes)
print(pdindex.dtype)
pdindex = pd.Series(data=index)
print(pdindex.dtypes)
print(pdindex.dtype)

name（14）：返回Series的名称

index = [1,2,3]
pdindex = pd.Series(data=index)
print(pdindex.name)
pdindex = pd.Series(data=index,name='a')
print(pdindex.name)

flags（15），set_flags（16）：这两个暂时不做讨论。