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 多个表关联查询查询时间长的问题
查看>>
mySQL 多个表求多个count
查看>>
mysql 多字段删除重复数据,保留最小id数据
查看>>
MySQL 多表联合查询:UNION 和 JOIN 分析
查看>>
MySQL 大数据量快速插入方法和语句优化
查看>>
mysql 如何给SQL添加索引
查看>>
mysql 字段区分大小写
查看>>
mysql 字段合并问题(group_concat)
查看>>
mysql 字段类型类型
查看>>
MySQL 字符串截取函数,字段截取,字符串截取
查看>>
MySQL 存储引擎
查看>>
mysql 存储过程 注入_mysql 视图 事务 存储过程 SQL注入
查看>>
MySQL 存储过程参数:in、out、inout
查看>>
mysql 存储过程每隔一段时间执行一次
查看>>
mysql 存在update不存在insert
查看>>
Mysql 学习总结(86)—— Mysql 的 JSON 数据类型正确使用姿势
查看>>
Mysql 学习总结(87)—— Mysql 执行计划(Explain)再总结
查看>>
Mysql 学习总结(88)—— Mysql 官方为什么不推荐用雪花 id 和 uuid 做 MySQL 主键
查看>>
Mysql 学习总结(89)—— Mysql 库表容量统计
查看>>
mysql 实现主从复制/主从同步
查看>>