关于Series的index的方法和属性使用说明
Series的index的方法和属性
from pandas import Series,DataFrame
obj = Series([1,2,3,5,8,12],index=[1,2,3,4,5,6])
obj2 = Series([2,6,12,15,18,20],index=[0,1,2,3,4,5])
1、append，合并
obj.append(obj2)
2、obj.diff(),每行与上一行的差值，Difference with previous row
与前第2行的差值
与倒数前一行的差值
3、obj3.unique() 计算唯一值
4、is_unique,判断是否有重复值，如果没有返回True，否则返回False
5、is_monotonic,当各元素均大于等于前值时，返回True，否则返回False
6、drop，删除
7、isin，判断是否包含在参数中
8、reindex，创建一个新的索引对象
Series中str属性的方法+index索引的特点
Pandas字符串处理
前面我们已经使用了字符串的处理函数：
df["bWendu"].str.replace("℃", "").astype('int32')1.Pandas的字符串处理的基本介绍
- 使用方法：先获取Series的str属性，然后在属性上调用函数；
- 只能在字符串列上使用，不能数字列上使用；
- Dataframe上没有str属性和处理方法
- Series.str并不是Python原生字符串，而是自己的一套方法，不过大部分和原生str很相似；
2.一些常用方法的使用举例
①切分字符串，split()
# （1）把DataFrame列中字符串以','分隔开，每个元素分开后存入一个列表里
series=data['列名'].str.split(',')
#（2）参数expand，这个参数取True时，会把切割出来的内容当做一列，产生多列。
series=data['列名'].str.split(',',expand=True)
#（3）只要第一列
series=data['列名'].str.split(',',expand=True)[0] ②替换，replace()
# #用‘-'代替‘，'
series=data['列名'].str.replace(',','-') ③是否包含表达式，contains()
#返回的是布尔值。
series=data['列名'].str.contains('we') ④查找所有符合正则表达式的字符findall()
# 以数组的形式返回。
series=data['列名'].str.findall("[a-z]") ⑤计算字符串的长度，len()
series=data['列名'].str.len()
⑥去除前后的空白字符，strip()
series=data['列名'].str.strip() series=data['列名'].str.rstrip() #去除后面的空白字符 series=data['列名'].str.lstrip() #去除前面的空白字符
⑦其他的一些判断方法
isalnum() # 是否全部是数字和字母组成 isalpha() # 是否全部是字母 isdigit() # 是否全部都是数字 isspace() # 是否空格 islower() # 是否全部小写 isupper() # 是否全部大写 istitle() # 是否只有首字母为大写，其他字母为小写
3.使用过程中的一些注意
链式使用：当执行完一次str的方法后，一般不可以继续使用str的方法，需要再次使用str的属性，再使用str的方法
Series.str默认就开启了正则表达式模式
# 正则表达式替换，从2015年12月10如中将年月日替换为20151210
df["中文日期"].str.replace("[年月日]", "")index索引的特点
1.特点
- 更方便的数据查询，使用index查询的时候可以获得性能提升；
- 自动的数据对齐功能；
- 更多更强大的数据结构支持；
2.为什么使用index索引可以提高查询性能呢？
- 如果index是唯一的，Pandas会使用哈希表优化，查询性能为O(1);
- 如果index不是唯一的，但是有序，Pandas会使用二分查找算法，查询性能为O(logN);
- 如果index是完全随机的，那么每次查询都要扫描全表，查询性能为O(N);
所以我们再对于完全随机索引的查询情况，如果提前排序，可以提高查询速率
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
这篇文章主要为大家详细介绍了python实现计算器功能，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-10-10
python+opencv 读取文件夹下的所有图像并批量保存ROI的方法
今天小编就为大家分享一篇python+opencv 读取文件夹下的所有图像并批量保存ROI的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-01-01
Python生成requirements.txt的两种最新方法
在Python项目开发中requirements.txt文件扮演着至关重要的角色,它记录了项目所需的所有依赖包及其精确版本号,这篇文章主要介绍了Python生成requirements.txt的两种最新方法,需要的朋友可以参考下2025-04-04
这篇文章主要介绍了Python匿名函数（lambda函数），文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-04-04
Python使用Matplotlib绘制专业柱状图的完整指南
柱状图是数据可视化中最常用的图表类型之一,用于展示分类数据的数值比较,Python的Matplotlib库提供了强大的柱状图绘制功能,下面我们将一步步学习如何创建专业级的柱状图,感兴趣的小伙伴跟着小编一起来看看吧2025-07-07
strip()函数是Python字符串方法之一,用于处理字符串的前导和尾随空白字符,它返回一个新字符串,该字符串是原始字符串去除前导和尾随空格（包括空格、制表符、换行符等）后的结果,这篇文章主要介绍了Python 中strip()函数详细说明及使用方法,需要的朋友可以参考下2024-02-02
python 使用 with open() as 读写文件的操作方法
这篇文章主要介绍了python 使用 with open()as 读写文件的操作代码，写文件和读文件是一样的，唯一区别是调用open()函数时，传入标识符'w'或者'wb'表示写文本文件或写二进制文件,需要的朋友可以参考下2022-11-11
解决PyCharm不在run输出运行结果而不是再Console里输出的问题
这篇文章主要介绍了解决PyCharm不在run输出运行结果而不是再Console里输出的问题,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-09-09
详解Django关于StreamingHttpResponse与FileResponse文件下载的最优方法
这篇文章主要介绍了详解Django关于StreamingHttpResponse与FileResponse文件下载的最优方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-01-01
一个简单的用户注册和登录的页面，涉及到验证，数据库存储等等，本文主要介绍了Flask登录注册项目的简单实现，从目录结构开始，感兴趣的可以了解一下2021-05-05
最新评论