目录
101、pandas.Series.__array__魔法方法
一、用法精讲
101、pandas.Series.__array__魔法方法
101-1、语法
# 101、pandas.Series.__array__魔法方法
pandas.Series.__array__(dtype=None, copy=None)
Return the values as a NumPy array.
Users should not call this directly. Rather, it is invoked by numpy.array() and numpy.asarray().
Parameters:
dtype
str or numpy.dtype, optional
The dtype to use for the resulting NumPy array. By default, the dtype is inferred from the data.
copy
bool or None, optional
Unused.
Returns:
numpy.ndarray
The values in the series converted to a numpy.ndarray with the specified dtype.101-2、参数
101-2-1、dtype(可选，默认值为None)：指定返回数组的数据类型，如果不提供，返回的数组将使用Series中数据的原始数据类型。
101-2-2、copy(可选，默认值为None)：指定是否返回数组的副本，虽然在__array__方法中通常不会使用该参数，实际行为仍然可能依赖于实现和数据的具体情况。
101-3、功能
用于将Series对象转换为NumPy数组。
101-4、返回值
返回一个NumPy数组，其中包含Series对象中的所有数据元素。
101-5、说明
虽然__array__方法可以用来将Series对象转换为NumPy数组，to_numpy()方法更为常用且功能更为完善。
101-6、用法
101-6-1、数据准备
无101-6-2、代码示例
# 101、pandas.Series.__array__魔法方法
import pandas as pd
# 创建一个pandas Series对象
data = pd.Series([1, 2, 3, 4, 5])
# 使用 __array__ 方法将 Series 转换为 NumPy 数组
data_array = data.__array__()
# 输出结果
print("使用__array__方法转换后的NumPy数组：")
print(data_array)
# 如果需要指定数据类型
data_array_float = data.__array__(dtype='float64')
# 输出指定数据类型后的结果
print("\n指定数据类型(float64)后的NumPy数组：")
print(data_array_float)101-6-3、结果输出
# 101、pandas.Series.__array__魔法方法
# 使用__array__方法转换后的NumPy数组：
# [1 2 3 4 5]
#
# 指定数据类型(float64)后的NumPy数组：
# [1. 2. 3. 4. 5.]102、pandas.Series.get方法
102-1、语法
# 102、pandas.Series.get方法
pandas.Series.get(key, default=None)
Get item from object for given key (ex: DataFrame column).
Returns default value if not found.
Parameters:
key
object
Returns:
same type as items contained in object102-2、参数
102-2-1、key(必须)：指定要获取的索引标签，如果key是一个列表，则会返回这些标签对应的值组成的Series对象；如果key是一个单独的标签，返回该标签对应的单一值。
102-2-2、default(可选，默认值为None)：如果指定的key不存在于Series中，则返回的默认值；如果未提供该参数，Series.get方法在key不存在时将返回None。
102-3、功能
用于从Series对象中获取指定索引位置的值，如果指定的索引不存在，该方法允许你设置一个默认值来代替引发KeyError的异常。
102-4、返回值
102-4-1、如果key是单个标签，返回对应的值或default值/None。
102-4-2、如果key是标签列表，返回一个新的Series，其中包含标签对应的值和default值/None。
102-5、说明
无
102-6、用法
102-6-1、数据准备
无102-6-2、代码示例
# 102、pandas.Series.get方法
import pandas as pd
# 创建一个pandas Series对象
data = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
# 使用 get 方法获取存在的索引
value_a = data.get('a')
print("索引'a'的值:", value_a)
# 使用 get 方法获取不存在的索引，提供默认值
value_d = data.get('d', default='默认值')
print("索引'd'的值:", value_d)
# 使用 get 方法获取不存在的索引，不提供默认值
value_e = data.get('e')
print("索引'e'的值:", value_e)102-6-3、结果输出
# 102、pandas.Series.get方法
# 索引'a'的值: 10
# 索引'd'的值: 默认值
# 索引'e'的值: None103、pandas.Series.at方法
103-1、语法
# 103、pandas.Series.at方法
pandas.Series.at
Access a single value for a row/column label pair.
Similar to loc, in that both provide label-based lookups. Use at if you only need to get or set a single value in a DataFrame or Series.
Raises:
KeyError
If getting a value and ‘label’ does not exist in a DataFrame or Series.
ValueError
If row/column label pair is not a tuple or if any label from the pair is not a scalar for DataFrame. If label is list-like (excluding NamedTuple) for Series.103-2、参数
无
103-3、功能
用于快速访问Series中单个元素的方法。
103-4、返回值
返回值是Series中指定标签的单个元素的值。当你使用Series.at[label]时，它会返回对应标签的值，类型与Series中元素的类型一致；如果你使用Series.at[label]=value来设置值，它会返回None，因为它是一个就地修改操作，不返回新的Series。
103-5、说明
103-5-1、效率：at方法专门用于访问或设置单个元素，效率高于loc，如果你只需要访问或修改单个元素，at是更优的选择。
103-5-2、标签检查：at不会提供默认值，如果你尝试访问一个不存在的标签，将引发KeyError异常。
103-6、用法
103-6-1、数据准备
无103-6-2、代码示例
# 103、pandas.Series.at方法
# 103-1、单个标签
import pandas as pd
data = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
# 获取标签'a'对应的值
value = data.at['a']
print(value, end='\n\n')
# 103-2、单个标签赋值
import pandas as pd
data = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
# 设置标签'b'对应的值
data.at['b'] = 25
print(data)103-6-3、结果输出
# 103、pandas.Series.at方法
# 103-1、单个标签
# 10
# 103-2、单个标签赋值
# a 10
# b 25
# c 30
# dtype: int64104、pandas.Series.iat方法
104-1、语法
# 104、pandas.Series.iat方法
pandas.Series.iat
Access a single value for a row/column pair by integer position.
Similar to iloc, in that both provide integer-based lookups. Use iat if you only need to get or set a single value in a DataFrame or Series.
Raises:
IndexError
When integer position is out of bounds.104-2、参数
无
104-3、功能
用于基于整数位置来访问或修改Series元素的方法，它与Series.at方法不同，后者是基于标签进行操作的，而iat是基于位置的。
104-4、返回值
104-4-1、Series.iat[index]返回指定整数位置的单个元素的值。
104-4-2、Series.iat[index]=value修改指定整数位置的值，并且不会返回新的Series，而是在原地修改。
104-5、说明
104-5-1、iat只能用于整数位置索引，不支持标签。
104-5-2、访问或修改的索引位置超出Series长度会引发IndexError。
104-6、用法
104-6-1、数据准备
无104-6-2、代码示例
# 104、pandas.Series.iat方法
# 104-1、读取单个值
import pandas as pd
data = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
value = data.iat[1]
print(value)
# 104-2、设置单个值
import pandas as pd
data = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
data.iat[1] = 25
print(data.iat[1])104-6-3、结果输出
# 104、pandas.Series.iat方法
# 104-1、读取单个值
# 20
# 104-2、设置单个值
# 25105、pandas.Series.loc方法
105-1、语法
# 105、pandas.Series.loc方法
pandas.Series.loc
Access a group of rows and columns by label(s) or a boolean array.
.loc[] is primarily label based, but may also be used with a boolean array.
Allowed inputs are:
A single label, e.g. 5 or 'a', (note that 5 is interpreted as a label of the index, and never as an integer position along the index).
A list or array of labels, e.g. ['a', 'b', 'c'].
A slice object with labels, e.g. 'a':'f'.
Warning
Note that contrary to usual python slices, both the start and the stop are included
A boolean array of the same length as the axis being sliced, e.g. [True, False, True].
An alignable boolean Series. The index of the key will be aligned before masking.
An alignable Index. The Index of the returned selection will be the input.
A callable function with one argument (the calling Series or DataFrame) and that returns valid output for indexing (one of the above)
See more at Selection by Label.
Raises:
KeyError
If any items are not found.
IndexingError
If an indexed key is passed and its index is unalignable to the frame index.105-2、参数
无
105-3、功能
用于基于标签访问和操作Series元素的方法。它与Series.iat不同，后者是基于位置的，loc方法允许你通过标签来选择和操作数据，非常适合需要通过索引标签来访问数据的场景。
105-4、返回值
105-4-1、单个标签：返回标量值。
105-4-2、多个标签：返回Series。
105-4-3、标签切片：返回Series。
105-4-4、布尔索引：返回Series。
105-5、说明
Series.loc的用法
105-5-1、访问单个值：Series.loc[label]返回与标签label相关的Series中的值。
105-5-2、访问多个值：Series.loc[label1,label2]返回与多个标签相关的Series中的值。
105-5-3、切片：Series.loc[start_label:end_label]返回从start_label到end_label范围内的Series数据。
105-5-4、布尔索引： Series.loc[boolean_mask]返回符合布尔条件的Series中的值。
105-6、用法
105-6-1、数据准备
无105-6-2、代码示例
# 105、pandas.Series.loc方法
# 105-1、单个标签
import pandas as pd
data = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
value = data.loc['b']
print(type(value))
# 105-2、多个标签
import pandas as pd
data = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
values = data.loc[['a', 'c']]
print(type(values))
# 105-3、标签切片
import pandas as pd
data = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
sliced_data = data.loc['a':'b']
print(type(sliced_data))
# 105-4、布尔索引
import pandas as pd
data = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
boolean_mask = data > 15
filtered_data = data.loc[boolean_mask]
print(type(filtered_data))105-6-3、结果输出
# 105、pandas.Series.loc方法
# 105-1、单个标签
# <class 'numpy.int64'>
# 105-2、多个标签
# <class 'pandas.core.series.Series'>
# 105-3、标签切片
# <class 'pandas.core.series.Series'>
# 105-4、布尔索引
# <class 'pandas.core.series.Series'>
1289
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
