知识卡片
标签切片与位置切片端点不同
本节Series标签切片b:c包含两端标签,而普通位置切片起点含、终点不含。标签为整数时,值本身与位置容易混淆,不能只看数字外形判断。旧版隐式混用或.ix行为不宜直接照抄,操作前应明确按标签还是按位置,并核对目标版本的显式入口。
整数索引时尤其要明确意图:当前pandas用.loc表达标签选择、.iloc表达从0开始的位置选择;本书.ix及iget_value/irow/icol是历史入口,不能照抄。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 标签切片与位置切片端点不同
- · 带有重复值的轴索引
- · 整数索引
- · 索引、选取、子集构造
原书出处 · 4 处
- · 查看原书依据
其末端是包含的(inclusive)译注1: In [109]: obj['b':'c'] Out[109]: b 1 c 2 设置的方式也很简单: In [110]: obj['b':'c'] = 5 In [111]: obj Out[111]: a 0 b 5 c 5 d 3 如你所见,对DataFrame进行索引其实就是获取一个或多个列: In [1
- · 查看原书依据
封闭区间。 译注3:由于本书中多次出现“非重叠”(overlapping)这个词,所以需要简单说明一下。例如,“飞机场”跟“拖拉机”都有个“机”,于是可以认为这两个字符串是“重叠”的;“高富帅”和“矮穷挫”的情况自然就是“非重叠”了。注意,虽然这里没有任何顺序和连续的概念,但有些地方是需要考虑顺序和连续的。 译注4:这里需要补充说明一下,作者反复强调“广播”
- · 查看原书依据
很难推断出用户想要什么(基于标签或位置的索引): In [288]: ser Out[288]: 0 0 1 1 2 2 相反,对于一个非整数索引,就没有这样的歧义: In [289]: ser2 = Series(np.arange(3.), index=['a', 'b', 'c']) In [290]: ser2[-1] Out[290]: 2.0 为
- · 查看原书依据
1/6/2011':'1/11/2011'] Out[366]: 2011-01-07 -0.503087 2011-01-08 -0.622274 2011-01-10 -0.921169 跟之前一样,这里可以传入字符串日期、datetime或Timestamp。注意,这样切片所产生的是源时间序列的视图,跟NumPy数组的切片运算是一样的。此外,还有一个等