江苏龙网

  1. 主页 > 生活百科 > >

Python-Pandas模块Series( 三 )

import pandas as pd# 此时的index为数值类型s = pd.Series(["a","b","c","d"],index = [1,2,3,4])# 会抛出语法错误的异常SyntaxError# print(s.2)import pandas as pd# 此时的index为数值类型s = pd.Series([1,2,3,4],index = ["a","b","c","def"])# 通过点索引获取value值print(s.a)# 会抛出语法错误的异常SyntaxError# print(s.def)result:15. Series的切片slice通过Series的切片来获取连续的多个索引对应的值，Series的切片有两种方式：

  1. 使用位置切片，类似s[start_index : end_index]，熟悉python都知道这种切片方式，需要注意的这种方式切片同样是包左不包右；
  2. 使用名称切片，类似s [start_index_name , end_index_name]，这种方式和上面使用位置切片的最大区别就是名称切片，即包左又包右；
import pandas as pds = pd.Series([1,2,3,4],index = ["a","b","c","d"])print(s)result:a1b2c3d4dtype: int64
5.1 位置切片
# 使用位置切片print(s[0:2])result:a1b2dtype: int64
5.2 名称切片
# 使用名称切片print(s["b":"d"])result:b2c3d4dtype: int64注意：
在上面的索引方式，我们知道了位置索引和名称索引在index为数值类型时候的不同，当index为数值类型的时候，使用位置索引会抛出keyerror的异常，也就是说当index为数值类型的时候，索引使用的是名称索引 。但是在切片的时候，有很大的不同，如果index为数值类型的时候，切片使用的是位置切片 。总的来说，当index为数值类型的时候：
  1. 进行索引的时候，相当于使用的是名称索引；
  2. 进行切片的时候，相当于使用的是位置切片；
6. Series的增删改查
6.1 添加Series的值（增）
为Series添加新的值的方式有两种：
  1. 使用series.Append(pd.Series(data,index))的方式添加，这种方式会返回一个新的Series对象，这种方式最大的特点就是可以添加多个Series值；
  2. 使用series["new_index"] = value的方式添加，这种方式会直接在原来的Series上进行修改，并且这种方式每次只能够添加一个Series值；
import pandas as pds = pd.Series(1,index =["a"])print(s)print("*"*6)# 使用append方式添加多个Series值# 此处将返回的值赋值给了原来的Series，因为使用append添加的话返回的是新的Series对象s = s.append(pd.Series([2,3],index = ["b","c"]))print(s)print("*"*6)# 使用s[new_index] = value方式添加s["d"] = 4print(s)result:a1dtype: int64******a1b2c3dtype: int64******a1b2c3d4dtype: int64
6.2 删除series的值（删）
删除直接使用del关键字删除即可 。
import pandas as pd s = pd.Series([1,2,3,4],index = ["a","b","c","d"])print(s)print("*"*6)del s["b"]print(s)result:a1b2c3d4dtype: int64******a1c3d4dtype: int64
6.3 通过索引修改Series的值（改）
其实此时介绍的修改Series的值和在4中介绍的一致，只不过将4中介绍的获取到的Series值进行重新的赋值即是修改对应Series的值，因此此处也有三种方式：
  1. 通过位置索引修改value值；
  2. 通过名称索引修改value值；
  3. 通过点索引修改value值；
此处因为类似，所以只选择一个进行实验：
import pandas as pds = pd.Series([1,2,3,4],index = ["a","b","c","d"])s["a"] = 100print(s)result:a100b2c3d4dtype: int64
6.4 判断索引是否在Series中（查）
判断index是否在Series中很简单，其实和python中查看元素是否在list列表中的方法是一样的 。
import pandas as pd s = pd.Series([1,2,3,4],index = ["a","b","c","d"])print("a" in s)print("q" in s)result:TrueFalse7. 过滤Series的值我们可以通过布尔选择器，也就是条件筛选来过滤一些特定的值，从而仅仅获取满足条件的值 。过滤Series的值的方式分为两种：
  1. 单条件筛选；
  2. 多条件筛选；
import pandas as pd s = pd.Series([1,2,3,4],index = ["a","b","c","d"])
7.1 单条件筛选
print("-"*5 + "布尔选择器" + "-"*5)print(s < 3)print("-"*5 + "单条件查询" + "-"*5)print(s[s<3])result:-----布尔选择器-----aTruebTruecFalsedFalsedtype: bool-----单条件查询-----a1b2dtype: int64


推荐阅读


上一篇：学习强化学习之前需要掌握的3种技能

下一篇：附代码 你想用深度学习谱写自己的音乐吗？这篇指南来帮助你！