
- Python Pandas 教程
- Python Pandas - 首頁
- Python Pandas - 簡介
- Python Pandas - 環境搭建
- Python Pandas - 基礎
- Python Pandas - 資料結構簡介
- Python Pandas - 索引物件
- Python Pandas - Panel (面板)
- Python Pandas - 基本功能
- Python Pandas - 索引和資料選擇
- Python Pandas - Series
- Python Pandas - Series
- Python Pandas - 切片Series物件
- Python Pandas - Series物件的屬性
- Python Pandas - Series物件的算術運算
- Python Pandas - 將Series轉換為其他物件
- Python Pandas - DataFrame
- Python Pandas - DataFrame
- Python Pandas - 訪問DataFrame
- Python Pandas - 切片DataFrame物件
- Python Pandas - 修改DataFrame
- Python Pandas - 從DataFrame中刪除行
- Python Pandas - DataFrame的算術運算
- Python Pandas - I/O工具
- Python Pandas - I/O工具
- Python Pandas - 使用CSV格式
- Python Pandas - 讀取和寫入JSON檔案
- Python Pandas - 從Excel檔案讀取資料
- Python Pandas - 將資料寫入Excel檔案
- Python Pandas - 使用HTML資料
- Python Pandas - 剪貼簿
- Python Pandas - 使用HDF5格式
- Python Pandas - 與SQL的比較
- Python Pandas - 資料處理
- Python Pandas - 排序
- Python Pandas - 重索引
- Python Pandas - 迭代
- Python Pandas - 級聯
- Python Pandas - 統計函式
- Python Pandas - 描述性統計
- Python Pandas - 使用文字資料
- Python Pandas - 函式應用
- Python Pandas - 選項和自定義
- Python Pandas - 視窗函式
- Python Pandas - 聚合
- Python Pandas - 合併/連線
- Python Pandas - 多層索引
- Python Pandas - 多層索引基礎
- Python Pandas - 使用多層索引進行索引
- Python Pandas - 使用多層索引進行高階重索引
- Python Pandas - 重新命名多層索引標籤
- Python Pandas - 對多層索引進行排序
- Python Pandas - 二元運算
- Python Pandas - 二元比較運算
- Python Pandas - 布林索引
- Python Pandas - 布林掩碼
- Python Pandas - 資料重塑和透視
- Python Pandas - 透視表
- Python Pandas - 堆疊和取消堆疊
- Python Pandas - 熔化
- Python Pandas - 計算虛擬變數
- Python Pandas - 分類資料
- Python Pandas - 分類資料
- Python Pandas - 分類資料的排序
- Python Pandas - 分類資料的比較
- Python Pandas - 處理缺失資料
- Python Pandas - 缺失資料
- Python Pandas - 填充缺失資料
- Python Pandas - 缺失值的插值
- Python Pandas - 刪除缺失資料
- Python Pandas - 使用缺失資料進行計算
- Python Pandas - 處理重複資料
- Python Pandas - 重複資料
- Python Pandas - 計數和檢索唯一元素
- Python Pandas - 重複標籤
- Python Pandas - 分組和聚合
- Python Pandas - GroupBy
- Python Pandas - 時間序列資料
- Python Pandas - 日期功能
- Python Pandas - Timedelta (時間增量)
- Python Pandas - 稀疏資料結構
- Python Pandas - 稀疏資料
- Python Pandas - 視覺化
- Python Pandas - 視覺化
- Python Pandas - 其他概念
- Python Pandas - 警告和陷阱
- Python Pandas 有用資源
- Python Pandas - 快速指南
- Python Pandas - 有用資源
- Python Pandas - 討論
Python Pandas - 切片Series物件
Pandas Series切片是從Series物件中選擇一組元素的過程。Pandas中的Series是一個一維帶標籤的陣列,它類似於一維ndarray(NumPy陣列),但是帶有標籤,也稱為索引。
Pandas Series切片與Python和NumPy切片非常相似,但它具有附加功能,例如基於位置和標籤的切片。在本教程中,我們將學習Pandas Series物件的切片操作。
Pandas Series切片的基礎
可以使用[:]運算子進行Series切片,它允許您透過指定的起始點和結束點從Series物件中選擇元素子集。
以下是Series切片的語法:
Series[start:stop:step]:它以指定的步長值選擇從start到end的元素。
Series[start:stop]:它以步長1選擇從start到stop的元素。
Series[start:]:它以步長1選擇從start到物件末尾的元素。
Series[:stop]:它以步長1選擇從開頭到stop的元素。
Series[:]:它選擇Series物件中的所有元素。
按位置切片Series
Pandas Series允許您根據元素的位置(即索引值)選擇元素,就像Python列表物件一樣。
示例:從Series中切片一系列值
以下示例演示如何使用位置從Series物件中切片一系列值。
import pandas as pd import numpy as np data = np.array(['a', 'b', 'c', 'd']) s = pd.Series(data) # Display the Original series print('Original Series:',s, sep='\n') # Slice the range of values result = s[1:3] # Display the output print('Values after slicing the Series:', result, sep='\n')
以上程式碼的輸出如下:
Original Series: 0 a 1 b 2 c 3 d dtype: object Values after slicing the Series: 1 b 2 c dtype: object
示例:從Series中切片前三個元素
此示例使用其位置(即索引值)檢索Series中的前三個元素。
import pandas as pd s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e']) #retrieve the first three element print(s[:3])
其輸出如下:
a 1 b 2 c 3 dtype: int64
示例:從Series中切片後三個元素
與上述示例類似,以下示例使用元素位置從Series中檢索後三個元素。
import pandas as pd s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e']) #retrieve the last three element print(s[-3:])
其輸出如下:
c 3 d 4 e 5 dtype: int64
按標籤切片Series
Pandas Series類似於固定大小的Python dict,您可以透過索引標籤獲取和設定值。
示例:使用標籤從Series中切片一組元素
以下示例透過切片Series的標籤來檢索多個元素。
import pandas as pd s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e']) # Slice multiple elements print(s['a':'d'])
其輸出如下:
a 1 b 2 c 3 d 4 dtype: int64
示例:使用標籤切片前三個元素
以下示例使用Series資料的標籤切片前幾個元素。
import pandas as pd s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e']) # Slice multiple elements print(s[:'c'])
其輸出如下:
a 1 b 2 c 3 dtype: int64
切片後修改值
切片Series後,您還可以透過將新值賦給那些切片元素來修改值。
示例
以下示例演示如何透過切片訪問範圍值後修改Series值。
import pandas as pd s = pd.Series([1,2,3,4,5]) # Display the original series print("Original Series:\n",s) # Modify the values of first two elements s[:2] = [100, 200] print("Series after modifying the first two elements:",s)
以上程式碼的輸出如下:
Original Series: 0 1 1 2 2 3 3 4 4 5 dtype: int64 Series after modifying the first two elements: 0 100 1 200 2 3 3 4 4 5 dtype: int64