专栏首页AI机器学习与深度学习算法[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

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:

[L1]快速掌握Series~创建Series

[L2]快速掌握Series~Series的属性

[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:

  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 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:

  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;

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:

  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 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:

  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 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

本文分享自微信公众号 - AI机器学习与深度学习算法(AI-KangChen),作者:Chenkc

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-05-07

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • [L2]快速掌握Series~Series的属性

    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:

    触摸壹缕阳光
  • [L5]快速掌握Series~过滤Series的值和缺失值的处理

    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:

    触摸壹缕阳光
  • [L3]快速掌握Series~通过Series索引获取指定值

    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:

    触摸壹缕阳光
  • 7,一维Series

    pandas中常用的数据结构有: 1,Series:一维数组,有index。Series中只允许存储同种类型数据。 2,DataFrame:二维的表格型数据结...

    lyhue1991
  • 【一文读懂Hinton最新Capsules论文】CNN 未来向何处去

    【新智元导读】Hinton 上周发表的一篇论文 Dynamic Routing Between Capsules 提出用 Capsule 这个概念代替反向传播,...

    新智元
  • 利用Python进行数据分析(7) pandas Series和DataFrame简单介绍

    pandas 是基于 NumPy 的一个 Python 数据分析包,主要目的是为了数据分析。它提供了大量高级的数据结构和对数据处理的方法。pandas 有两个主...

    公众号---志学Python
  • FIMS:互操作型媒体服务架构

    可互操作媒体服务框架(The Framework for Interoperable Media Services, FIMS)是一个定义关于如何使用SOA架构...

    用户1324186
  • Series的小小运算(Pandas读书笔记4)

    今天和大家分享几个简单的Series运算,后期掌握DataFrame后会进一步深入分享。 一、Series的筛选 ? 如果想把Series中符合某些条件的值列出...

    用户1332619
  • 互联网可作用于实体经济的每一个环节

    互联网本身的开放性、包容性、创新性、渗透性、全球性等特点使其成为公共创新平台。实际上互联网本身会有产业,但是我更看重互联网作为一种通用工具的作用。消费应用领域,...

    用户7598722
  • 解决:Can not deserialize instance of com.xxx.xx.XXModel out of START_ARRAY toke

    微风-- 轻许--

扫码关注云+社区

领取腾讯云代金券