博客
关于我
数据分析工具Pandas基础--Series的索引操作
阅读量:280 次
发布时间:2019-03-01

本文共 776 字,大约阅读时间需要 2 分钟。

理论:

行索引:

按索引位置:ser_obj[pos]

按索引名称:ser_obj[‘label’]

切片索引:

按索引位置:ser_obj[2:4]

按索引名称:ser_obj[‘label1’: ‘label3’],注意,按索引名切片操作时,是包含终止

不连续索引:

ser_obj[ [‘label1’, ‘label2’, ‘label3’] ]

ser_obj[ [pos1, pos2, pos3] ]

 

实验:

第四节 Series的索引操作

In [1]:

 

 
import pandas as pd
import numpy as np

In [2]:

 

 
# 构建Series
ser_obj = pd.Series(range(5),index=['a','b','c','d','e'])
ser_obj

Out[2]:

a    0b    1c    2d    3e    4dtype: int64

行索引

In [7]:

 

 
ser_obj['b']
ser_obj.loc['b']

Out[7]:

1

In [4]:

 

ser_obj[1]
ser_obj.iloc[]

Out[4]:

1

切片索引

In [5]:

 

 
ser_obj[1:3]

Out[5]:

b    1c    2dtype: int64

In [6]:

 

# 注意区别
ser_obj['b':'d']

Out[6]:

b    1c    2d    3dtype: int64

不连续索引

In [8]:

 

ser_obj[[0,2,4]]

Out[8]:

a    0c    2e    4dtype: int64

In [9]:

 

 
ser_obj[['b','d']]

Out[9]:

b    1d    3dtype: int64

转载地址:http://mcla.baihongyu.com/

你可能感兴趣的文章
MYSQL数据库进阶操作
查看>>
MySQL数据库配置文件调优详解
查看>>
MySQL数据库酒店客房管理系统(含MySQL源码) 结课作业 做的不是很好
查看>>
mysql数据库里的一些坑(读高性能mysql有感)
查看>>
MySQL数据库面试题(2021最新版)
查看>>
MySQL数据库高并发优化配置
查看>>
mysql数据恢复
查看>>
MySQL数据的主从复制、半同步复制和主主复制详解
查看>>
mysql数据碎片整理
查看>>
MySQL数据类型
查看>>
MySQL数据类型字节长度
查看>>
mysql数据被误删的恢复方案
查看>>
MySQL数据读写分离(MaxScale)上干货!!!
查看>>
mysql整库导入、导出
查看>>
mysql文本函数和数字函数
查看>>
Mysql新建用户和数据库并授权
查看>>
mysql日志
查看>>
mysql日志 事务问题_mysql因为事务日志问题无法启动
查看>>
mysql日志文件
查看>>
mysql日志管理学习笔记
查看>>