[L4]快速掌握Series~Series的切片和增删改查
[L4]快速掌握Series~Series的切片和增删改查
触摸壹缕阳光
发布于 2020-05-13 14:24:15
发布于 2020-05-13 14:24:15
全文字数：1831字
阅读时间：8分钟
前言
由于在公众号上文本字数太长可能会影响阅读体验，因此过于长的文章，我会使用"[L1]"来进行分段。这系列将介绍Pandas模块中的Series，本文主要介绍：
- Series的切片Slice
- 位置切片
- 名称切片
- Series的增删改查
- 添加Series的值（增）
- 删除Series的值（删）
- 通过索引修改Series的值（改）
- 判断索引是否在Series中（查）
快速掌握Series系列：
[L3]快速掌握Series~通过Series索引获取指定值
a
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：
- 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；
- 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 pd
s = pd.Series([1,2,3,4],index = ["a","b","c","d"])
print(s)
result:
a 1
b 2
c 3
d 4
dtype: int64- 位置切片
# 使用位置切片
print(s[0:2])
result:
a 1
b 2
dtype: int64- 名称切片
# 使用名称切片
print(s["b":"d"])
result:
b 2
c 3
d 4
dtype: 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：
- 进行索引的时候，相当于使用的是名称索引；
- 进行切片的时候，相当于使用的是位置切片；
b
Series的增删改查
- 添加Series的值（增）
为Series添加新的值的方式有两种：
- 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；
- 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 pd
s = 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"] = 4
print(s)
result:
a 1
dtype: int64
******
a 1
b 2
c 3
dtype: int64
******
a 1
b 2
c 3
d 4
dtype: int64- 删除Series的值（删）
删除直接使用del关键词。
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:
a 1
b 2
c 3
d 4
dtype: int64
******
a 1
c 3
d 4
dtype: int64- 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：
- 通过位置索引修改value值；
- 通过名称索引修改value值；
- 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 pd
s = pd.Series([1,2,3,4],index = ["a","b","c","d"])
s["a"] = 100
print(s)
result:
a 100
b 2
c 3
d 4
dtype: int64- 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:
True
False本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2020-05-07，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读