Series第四讲 重新索引、选择、标签 操作 (上)
由于第四讲涉及方法较多，此处分为上下两节各讲一部分。防止🧠混乱
重新索引、选择、标签方法总览(上)
Series.align(other[, join, axis, level, …])Series.drop([labels, axis, index, columns, …])Series.droplevel(level[, axis])Series.drop_duplicates([keep, inplace])Series.duplicated([keep])Series.equals(other)Series.first(offset)Series.last(offset)Series.head([n])Series.tail([n])Series.idxmax([axis, skipna])Series.idxmin([axis, skipna])Series.isin(values)
详细介绍
先来创建一个Series
In [2]: s = pd.Series([1, 2, 3, 4, None], index=['a', 'b', 'c', 'd', 'e'])
In [3]: s
Out[3]:
a 1.0
b 2.0
c 3.0
d 4.0
e NaN
dtype: float64
Series.align(other, join='outer', axis=None, level=None, copy=True, fill_value=None, method=None, limit=None, fill_axis=0, broadcast_axis=None)
使用指定的join方法将两个对象在其轴上对齐
参数介绍：
-
other：DataFrame 或 Series
-
join：{‘outer’, ‘inner’, ‘left’, ‘right’}, default ‘outer’
连接方式：外连接、内连接、左连接、右连接
-
axis：要连接的other轴。
0表示index；1表示columns；None表示都连接
-
copy：bool, default True
是否返回新对象
-
fill_value：scalar, default np.NaN
缺失值处理
-
method：{‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}, default None
缺失值填充方法
-
limit：int, default None
如果指定了method，则这是要向前/向后填充的连续NaN值的最大数量。换句话说，如果存在连续的NaN数量大于此数量的缺口，它将仅被部分填充。如果未指定method，则这是将填写NaN的整个轴上的最大条目数。如果不为None，则必须大于0。
-
fill_axis：{0 or ‘index’}, default 0
-
broadcast_axis：{0 or ‘index’}, default None
如果对齐两个不同尺寸的对象，则沿该轴广播值
例子一
# 先创建两个df
df1 = pd.DataFrame([[1,2,3,4], [6,7,8,9]], columns=['D', 'B', 'E', 'A'], index=[1,2])
df2 = pd.DataFrame([[10,20,30,40], [60,70,80,90], [600,700,800,900]], columns=['A', 'B', 'C', 'D'], index=[2,3,4])
In [55]: df1
Out[55]:
D B E A
1 1 2 3 4
2 6 7 8 9
In [56]: df2
Out[56]:
A B C D
2 10 20 30 40
3 60 70 80 90
4 600 700 800 900
# 让我们对齐这两个df，按列对齐（axis=1），并对列标签执行外连接（join='outer'）
# 每个df将包含全部列，行标签用各自的
a1, a2 = df1.align(df2, join='outer', axis=1)
In [58]: a1
Out[58]:
A B C D E
1 4 2 NaN 1 3
2 9 7 NaN 6 8
In [59]: a2
Out[59]:
A B C D E
2 10 20 30 40 NaN
3 60 70 80 90 NaN
4 600 700 800 900 NaN
这里有几点需要注意：
- 已重新排列df1中的列，使其与df2中的列对齐。
- 有一个标记为'C'的列已添加到df1，还有一个标记为'E'的列已添加到df2。这些列已用NaN填充。这是因为我们对列标签执行了外部联接。
- df中的任何值都没有更改。
- 注意，行标签没有对齐；df2有行3和4，而df1没有对齐。这是因为我们请求对列（axis=1）进行对齐。
例子二
# 行和列上都对齐，且右连接
In [60]: a1, a2 = df1.align(df2, join='right', axis=None)
In [61]: a1
Out[61]:
A B C D
2 9.0 7.0 NaN 6.0
3 NaN NaN NaN NaN
4 NaN NaN NaN NaN
In [62]: a2
Out[62]:
A B C D
2 10 20 30 40
3 60 70 80 90
4 600 700 800 900
- 只保留“right”数据框（df2）中的列和行。列'E'不再存在。这是因为我们在列和行标签上都做了右连接。
- 标签为2和3的行已添加到df1，并用Nan填充。这是因为我们请求对行和列进行对齐（axis=None）。
- 行标签和列标签现在对齐。
- 注意，df中的实际值都没有更改。
例子三
# 内连接 且列对齐
In [63]: a1, a2 = df1.align(df2, join='inner', axis=1)
In [64]: a1
Out[64]:
D B A
1 1 2 4
2 6 7 9
In [65]: a2
Out[65]:
D B A
2 40 20 10
3 90 70 60
4 900 700 600
- 只有列标签是对齐的（axis=1）。
- 只有同时存在于df1和df2中的列标签才被保留（join='inner'）
总之，如果要确保两个数据帧之间的行和/或列排列相同，而不更改两个df中包含的任何数据，请使用DataFrame.align() 或 Series.align()
Series.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')
根据指定索引删除行/列
主要参数说明：
-
labels：single label or list-like
需要删除的索引
-
axis：0表示行，1表示列
-
level：int or level name, optional
MultiIndex索引时需要的可选参数
-
inplace：bool, default False
是否原地修改
-
errors：{‘ignore’, ‘raise’}, default ‘raise’
如果‘ignore’，则不抛出错误，且只drop存在的标签
In [4]: s.drop('a')
Out[4]:
b 2.0
c 3.0
d 4.0
e NaN
dtype: float64
# 指定error参数则不抛出异常
In [5]: s.drop(['f','a','b'], errors='ignore')
Out[5]:
c 3.0
d 4.0
e NaN
dtype: float64
# 多层索引时 变量mu_s参考droplevel里定义的对象
In [72]: mu_s.drop('a',level='level1')
Out[72]:
level1 level2 level3
b 1 < 6
> 7
2 < 8
> 9
3 < 10
> 11
dtype: int64
In [73]: mu_s.drop('a',level=0)
Out[73]:
level1 level2 level3
b 1 < 6
> 7
2 < 8
> 9
3 < 10
> 11
dtype: int64
Series.droplevel(level, axis=0)
多级索引时，删除指定层级的索引
参数说明：
-
level：int, str, or list-like
索引的层级，可以是索引名(是某一级别的索引的name,如'leval1', drop的参数是具体到这个行/列索引对象,如'a')，该级索引的位置，或包含前两者的列表，int和str可以在列表里混合搭配。
注意⚠️：必须在该轴上保留至少一层索引，即len(level)应小于索引层数
-
axis：{0 or ‘index’, 1 or ‘columns’}, default 0
-
0 or ‘index’: remove level(s) in column
-
1 or ‘columns’: remove level(s) in row
-
# 先创建一个多级索引的Series
# 1 创建多级索引
In [27]: mu_index=pd.MultiIndex.from_product([['a','b'],['1','2','3'],['<', '>']
...: ], names=['level1', 'level2', 'level3'])
# 2 创建Series
In [28]: mu_s = pd.Series(range(12), index=mu_index)
In [29]: mu_s
Out[29]:
level1 level2 level3
a 1 < 0
> 1
2 < 2
> 3
3 < 4
> 5
b 1 < 6
> 7
2 < 8
> 9
3 < 10
> 11
dtype: int64
# 删除指定level级的索引
In [30]: mu_s.droplevel([0,1])
Out[30]:
level3
< 0
> 1
< 2
> 3
< 4
> 5
< 6
> 7
< 8
> 9
< 10
> 11
dtype: int64
In [33]: mu_s.droplevel([0, 'level3'])
Out[33]:
level2
1 0
1 1
2 2
2 3
3 4
3 5
1 6
1 7
2 8
2 9
3 10
3 11
dtype: int64
Series.drop_duplicates(keep='first', inplace=False)
返回删除了重复值的Series
参数说明：
-
keep：{‘first’, ‘last’, False}, default ‘first’
处理删除重复项的方法
-
'first'：保留第一次出现的重复项。
-
'last'：保留最后一次出现的重复项。
-
False：删除所有重复项。
-
In [35]: s = pd.Series(['lama', 'cow', 'lama', 'beetle', 'lama', 'hippo'],
...: name='animal')
In [36]: s
Out[36]:
0 lama
1 cow
2 lama
3 beetle
4 lama
5 hippo
Name: animal, dtype: object
# 默认只保留第一次出现的重复项
In [38]: s.drop_duplicates()
Out[38]:
0 lama
1 cow
3 beetle
5 hippo
Name: animal, dtype: object
# “last”只保留最后一次出现的重复项
In [37]: s.drop_duplicates(keep='last')
Out[37]:
1 cow
3 beetle
4 lama
5 hippo
Name: animal, dtype: object
Series.duplicated(keep='first')
重复值为True，其他为False
参数说明：
-
keep：{‘first’, ‘last’, False}, default ‘first’
-
'first'：第一次出现的为False，后面重复的为True
-
'last'：最后一次出现的为False，前面重复的为True
-
False：所有重复的都标记为True
-
animals = pd.Series(['lama', 'cow', 'lama', 'beetle', 'lama'])
animals.duplicated()
0 False
1 False
2 True
3 False
4 True
dtype: bool
animals.duplicated(keep='first')
0 False
1 False
2 True
3 False
4 True
dtype: bool
animals.duplicated(keep='last')
0 True
1 False
2 True
3 False
4 False
dtype: bool
animals.duplicated(keep=False)
0 True
1 False
2 True
3 False
4 True
dtype: bool
Series.equals(other)
两个对象是否包含相同的元素，比较它们是否具有相同的形状和元素，相同位置的NaN被认为是相等的
labels的类型不同 元素类型和值相同是 返回True
labels的类型相同 元素的值相同但类型不同时 返回False
df = pd.DataFrame({1: [10], 2: [20]})
df
1 2
0 10 20
# 元素和列标签具有相同的类型和值，它们将返回True
exactly_equal = pd.DataFrame({1: [10], 2: [20]})
exactly_equal
1 2
0 10 20
df.equals(exactly_equal)
True
# 具有相同的元素类型和值，但是列标签具有不同的类型，它们仍将返回True
different_column_type = pd.DataFrame({1.0: [10], 2.0: [20]})
different_column_type
1.0 2.0
0 10 20
df.equals(different_column_type)
True
# 其元素的相同值具有不同的类型，即使它们的列标签具有相同的值和类型，它们也将返回False
different_data_type = pd.DataFrame({1: [10.0], 2: [20.0]})
different_data_type
1 2
0 10.0 20.0
df.equals(different_data_type)
False
Series.first(offset)
根据日期偏移量选择时间序列数据的初始时段
参数说明：
-
offset：str, DateOffset or dateutil.relativedelta
'first' only supports a DatetimeIndex index
# 创建Series
i = pd.date_range('2018-04-09', periods=4, freq='2D')
ts = pd.DataFrame({'A': [1, 2, 3, 4]}, index=i)
ts
A
2018-04-09 1
2018-04-11 2
2018-04-13 3
2018-04-15 4
# 获取前3天的行：
ts.first('3D')
A
2018-04-09 1
2018-04-11 2
Series.last(offset)
选择后几天的数据
Series.head(n=5)
获取Series的前n行数据
In [75]: s.head(2)
Out[75]:
a 1.0
b 2.0
dtype: float64
Series.tail(n=5)
获取Series的后n行数据
Series.idxmax(axis=0, skipna=True, *args, **kwargs)
最大值的label标签
参数说明：
-
skipna：
默认为True，不计算nan。如果设置为False，且Series包含nan，则此结果返回nan
In [47]: s.idxmax()
Out[47]: 'd'
In [49]: s.idxmax(skipna=False)
Out[49]: nan
Series.idxmin(axis=0, skipna=True, *args, **kwargs)
最小值的label标签
In [46]: s.idxmin()
Out[46]: 'a'
Series.isin(values)
返回bool列表，表示每一个元素是否在values(元组或列表)里
In [50]: s.isin([None])
Out[50]:
a False
b False
c False
d False
e True
dtype: bool
In [53]: s.isin([1, 2])
Out[53]:
a True
b True
c False
d False
e False
dtype: bool
网友评论