Series(三)：Series和ndarray对比学习

 关注 + 星标 ~ 有趣的不像个技术号

每晚九点，我们准时相约  

大家好，我是黄同学

1、Series和ndarray都可以通过索引和切片访问元素，切片返回的是原来的视图，索引返回的是原来的拷贝。

视图：相当于就是原来的一个快捷方式，底层共用同一份元素，不管修改哪一个数组中的值，另外一个数组中的值也相当于变化了。

拷贝：相当于将原来的东西复制了一份，因此内存中又会另外开辟一块儿空间，用于存放复制后的这个新Series或新ndarray。

1）对于ndarray来说

① 切片

x = np.arange(1,13)
display(x)

y = x[1:6]
display(y)
display(y[2])

y[2] = 888
display(y)
display(x)

结果如下：

② 索引

x = np.arange(1,13)
display(x)

y = x[x>6]    # 这里传入的是一个布尔索引
display(y)
display(y[2])

y[2] = 888
display(y)
display(x)

结果如下：

2）对于Series来说

np.random.randint(3,10,5)产生的是随机数，每次运行的结果都是不一样的。

① 切片

x = pd.Series(np.random.randint(3,10,5),index=list("abcde"))
display(x)

y = x[2:]
display(y)
display(y[1])

y[1] = 666
display(y)
display(x)

结果如下：

② 索引

x = pd.Series(np.random.randint(3,10,5),index=list("abcde"))
display(x)

y = x[x>5]
display(y)
display(y[1])

y[1] = 666
display(y)
display(x)

结果如下：

2、Series和ndarray中常用属性比较

1）共同属性：图中前7个属性，在Series和ndarray中具有相同的含义；

① 一维数组

② Series

2）Series特有属性：index、values、name；

① index和value属性

② name属性

注意：name属性包含两方面的内容，一个指的是Series的名称，一个指的是Series中索引的名称。

近期文章，点击图片即可查看

后台回复关键词「进群」，即刻加入读者交流群~

五

numpy蹲，numpy蹲，numpy蹲完，pandas蹲

朱小五