Series索引、切片

最新推荐文章于 2025-05-25 12:44:29 发布

原创最新推荐文章于 2025-05-25 12:44:29 发布 · 1w 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#series索引

python函数应用专栏收录该内容

9 篇文章

订阅专栏

本文详细介绍了Series的索引和切片操作，包括位置索引从0开始，标签索引通过index名称，切片时index是末端包含，而位置索引切片遵循前包后不包规则。此外，还提到了布尔型索引，如使用.isnull()和.notnull()判断空值，并通过布尔数组进行索引过滤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一. Series 位置索引
位置索引，从0开始数，[0]是series第一个数，[1]是series第二个数
series不能[-1]定位索引

In [1]:s = pd.Series(np.random.rand(10))
Out[1]:
0    0.773893
1    0.186367
2    0.091893
3    0.778826
4    0.831756
5    0.537671
6    0.874914
7    0.845950
8    0.045002
9    0.362285
dtype: float64

In [2]:s[0]
Out[2]:0.773893

In [3]:s[6]
Out[3]:0.537671

二. Series 标签索引
方法类似位置索引，用[]表示，内写上index，注意index是字符串
如果需要选择多个标签的值，用[[]]来表示（相当于[]中包含一个列表）

In [1]:s = pd.Series(np.random.rand(5), index = ['a','b','c','d','e'])
Out[1]:
a    0.714630
b    0.213957
c    0.172188
d    0.972158
e    0.875175
dtype: float64

In [2]:s['a']
Out[2]:0.714630383451

In [3]:s[['a','b','e']]
Out[3]:
a    0.714630
b    0.213957
e    0.875175

三. Series 切片索引
用index做切片是末端包含

In [1]:s1 = pd.Series(np.random.rand(5), index = ['a','b','c','d','e'])
Out[1]:
a    0.714630
b    0.213957
c    0.172188
d    0.972158
e    0.875175
dtype: float64

In [2]:s1['a':'c']
Out[2]:
a    0.714630
b    0.213957
c    0.172188
dtype: float64

In [3]:s1['c']
Out[3]:0.172188

位置索引做切片，和list写法一样，切片是前包后不包，意思是前端包含，后端不包含

In [1]:s2 = pd.Series(np.random.rand(5))
Out[1]:
0    0.924575
1    0.988654
2    0.426333
3    0.216504
4    0.453570
dtype: float64

In [2]:s2[1:4]
Out[2]:
0    0.924575
1    0.988654
2    0.426333
3    0.216504
dtype: float64

In [3]:s2[4]
Out[3]: 0.453570

四. Series 布尔型索引
数组做判断之后，返回的是一个由布尔值组成的新的数组
.isnull() / .notnull() 判断是否为空值 (None代表空值，NaN代表有问题的数值，两个都会识别为空值)
布尔型索引方法：用[判断条件]表示，其中判断条件可以是一个语句，或者是一个布尔型数组！

In [1]:s = pd.Series(np.random.rand(3)*100)
In [2]:s[4] = None  # 添加一个空值
Out[2]:
0    2.03802
1    40.3989
2    25.2001
4       None
dtype: object

In [3]:bs1 = s > 50
In [4]:bs1
Out[4]:
0    False
1    False
2    False
4    False
dtype: bool

In [5]:bs2 = s.isnull()
In [6]:bs2
Out[6]:
0    False
1    False
2    False
4     True
dtype: bool

In [7]:bs3 = s.notnull()
In [8]:bs3
Out[8]:
0     True
1     True
2     True
4    False
dtype: bool 

In [9]:s[s > 50]
Out[9]:
Series([], dtype: object)

In [10]:s[bs3]
Out[10]:
0    2.03802
1    40.3989
2    25.2001
dtype: object
# 布尔型索引方法：用[判断条件]表示，其中判断条件可以是 一个语句，或者是 一个布尔型数组！

Dataframe 索引、切片及技巧 https://blog.youkuaiyun.com/weixin_43291997/article/details/83213497