2、运行下列代码，生成一个Series数据对象ds。 (1)先输出标签索引'M'的值，再切片输出标签索引"A"到"B"之间的值。 (2)先输出位置索引12的值，再切片输出位置索引最后5个数据的值。如何 理解标签索引和位置索引切片操作的区别？ (3)先将标签索引"N"的值修改为11,再将所有值为6的数据，其值修改为 16。 (4)将标签索引"A"到"D"四个大写字母，修改成对应的"a"到"d"四个小写字 母。 (5)对ds对象按标签索引降序排列，对排列的结果先输出前5个数据值，再 输出后3个数据值。 (6)对ds对象按数据值升序排列，对排列的结果循环依次输出其值最大的前 5个数据。 (7)删除ds对象的标签索引，重新建立新的位置索引 (8)对ds对象的数据值进行计数统计，并输出出现次数最多的那个值及次 数。

import pandas as pd
import numpy as np

data = np.random.randint(0,10,20)
labels = list('ABCDEFGHIJKLMNO')
ds = pd.Series(data, index=labels)

# (1)
print(ds['M'])
print(ds['A':'B'])

# (2)
print(ds[12])
print(ds[-5:])

# 标签索引是根据索引标签进行查找和切片的，位置索引是根据数据在Series中的位置进行查找和切片的。

# (3)
ds['N'] = 11
ds[ds == 6] = 16

# (4)
ds['A':'D'] = ['a', 'b', 'c', 'd']

# (5)
ds = ds.sort_index(ascending=False)
print(ds.head(5))
print(ds.tail(3))

# (6)
ds = ds.sort_values()
for i in range(5):
    print(ds.nlargest(5).values[i])

# (7)
ds = ds.reset_index(drop=True)

# (8)
counts = ds.value_counts()
print(counts.index[0], counts.iloc[0])

相关问题

Series中的标签索引和整数型索引这两种索引都可以获取对象数据，单数整数型索引包含右侧边界值

这是不正确的。在 Pandas 的 Series 中，标签索引和整数型索引是两种不同的索引方式，它们的行为有些不同。

- 标签索引：使用标签索引时，行为是基于标签进行的，包括左右边界值在内。
- 整数型索引：使用整数型索引时，行为是基于整数位置进行的，不包括右边界值。

举个例子，假设我们有一个 Series 对象如下：

import pandas as pd

s = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])

如果我们用标签索引获取数据，可以包含左右边界值：

s['a':'c']  # 包含了 'a' 和 'c'

如果我们用整数型索引获取数据，右边界值是不包含在内的：

s[0:2]  # 不包含第2个元素，即不包含 3

因此，上述说法是不正确的。

用Python中说series对象实现一组学生的平均身高，要求以serise对象以姓名为索引标签，输出的平均身高值保留两位小数

可以使用 Pandas 库中的 Series 对象来实现。首先，将学生姓名和身高存储在两个列表中，然后使用 Pandas 库中的 Series() 方法将它们转换成一个 Series 对象，并使用姓名作为索引标签。最后，使用 Series 对象的 mean() 方法计算平均身高，并将结果保留两位小数。

以下是示例代码：

import pandas as pd

# 定义学生姓名和身高列表
names = ['Alice', 'Bob', 'Charlie', 'David']
heights = [170, 175, 180, 165]

# 创建 Series 对象
heights_series = pd.Series(heights, index=names)

# 计算平均身高并保留两位小数
mean_height = round(heights_series.mean(), 2)

# 输出平均身高
print('平均身高为：{}cm'.format(mean_height))

输出结果为：

平均身高为：172.5cm