这篇文章我们简单介绍一下索引和选择 series 的数据
索引和选择 series 的数据
pandas 中的索引意味着只需从系列中选择特定数据。索引可能意味着选择所有数据，其中一些数据来自特定列。索引也可以称为子集选择。
使用索引运算符索引系列[]：
索引运算符用于引用对象后面的方括号。和索引器.loc还.iloc使用索引运算符进行选择。在这个索引运算符中要引用 df[ ]。
# importing pandas module import pandas as pd # 制作数据框 df = pd.read_csv("nba.csv") ser = pd.Series(df['Name']) data = ser.head(10) data
现在我们使用索引运算符 [ ] 访问系列的元素。
# 使用索引运算符 data[3:6]
输出：
索引 series 使用.loc[ ]：
此函数通过引用显式索引来选择数据。df.loc索引器以不同于索引运算符的方式选择数据。它可以选择数据子集。
# importing pandas module import pandas as pd # 制作数据框 df = pd.read_csv("nba.csv") ser = pd.Series(df['Name']) data = ser.head(10) data
现在我们使用.loc[]函数访问系列的元素。
# 使用 .loc[] 函数 data.loc[3:6]
输出：
索引 series 使用.iloc[ ]：
此功能允许我们按位置检索数据。为此，我们需要指定所需数据的位置。索引器df.iloc 非常相似，df.loc 但仅使用整数位置进行选择。
# importing pandas module import pandas as pd # 制作数据框 df = pd.read_csv("nba.csv") ser = pd.Series(df['Name']) data = ser.head(10) data
现在我们使用.iloc[]函数访问 Series 的元素。
# 使用 .iloc[] 函数 data.iloc[3:6]
输出 ：
本篇文章到此就结束了，相关文章：
- Python 教程之 Pandas（1）—— Pandas 数据框
- Python 教程之 Pandas（2）—— 创建 Pandas 数据框
- Python 教程之 Pandas（3）—— 处理 Pandas DataFrame 中的行和列
- Python 教程之 Pandas（4）—— 使用 Pandas 索引和选择数据
- Python 教程之 Pandas（5）—— Pandas 中的布尔索引
- Python 教程之 Pandas（6）—— DataFrame 中的转换函数
- Python 教程之 Pandas（7）—— 遍历 Pandas DataFrame 中的行和列
- Python 教程之 Pandas（8）—— 在 Pandas 中处理缺失数据
- Python 教程之 Pandas（9）—— 创建 Pandas Series
- Python 教程之 Pandas（10）—— 访问 series 的元素
