python 删除series里面"600"和"000"开头的

时间: 2023-06-25 21:05:50 浏览: 162

Python3.5 Pandas模块之Series用法实例分析

主要介绍了Python3.5 Pandas模块之Series用法,结合实例形式分析了Python3.5中Pandas模块的Series结构原理、创建、获取、运算等相关操作技巧与注意事项,需要的朋友可以参考下 ### Python3.5 Pandas模块之Series用法详解 #### 1. Pandas模块简介与基本数据结构 Pandas 是一个强大的数据分析库，在 Python 的数据分析领域占有举足轻重的地位。Pandas 提供了两种主要的数据结构：`Series` 和 `DataFrame`。其中，`Series` 类似于一维数组，但提供了更丰富的功能，如标签化的数据索引等。 #### 2. Series的创建方法 ##### 2.1 通过 Numpy 一维数组创建在实际开发中，经常需要将 Numpy 数组转换为 Pandas 的 `Series` 对象。示例代码如下： ```python import numpy as np import pandas as pd arr = np.array([1, 2, 3, 4, 5]) s1 = pd.Series(arr) print(s1) ``` 输出结果： ``` 0 1 1 2 2 3 3 4 4 5 dtype: int32 ``` 可以看到，这里默认使用了整数索引 `0, 1, 2, ...`。 ##### 2.2 直接通过一维数组创建并指定索引除了默认的整数索引之外，我们还可以在创建时自定义索引。例如： ```python s2 = pd.Series([10.5, 20, 38, 40]) s2.index = ['a', 'b', 'c', 'd'] print(s2) ``` 输出结果： ``` a 10.5 b 20.0 c 38.0 d 40.0 dtype: float64 ``` 这里我们通过 `s2.index` 显式地设置了新的索引。 ##### 2.3 创建时同时指定索引和数据类型我们还可以在创建 `Series` 对象时指定数据类型，例如： ```python s3 = pd.Series(data=[89, 78, 90, 87], dtype=np.float64, index=['语文', '数学', '英语', '科学']) print(s3) ``` 输出结果： ``` 语文 89.0 数学 78.0 英语 90.0 科学 87.0 dtype: float64 ``` 这种方式更加灵活，可以适应不同的需求。 ##### 2.4 通过字典创建 `Series` `Series` 还可以从字典创建，其中字典的键作为索引，对应的值作为数据。例如： ```python dict = {'a': 1, 'b': 2, "c": 3, "d": 4} s4 = pd.Series(dict) print(s4) ``` 输出结果： ``` a 1 b 2 c 3 d 4 dtype: int64 ``` 这种方式非常适合处理已经组织好的键值对数据。 #### 3. Series 值的获取获取 `Series` 中的数据是非常重要的操作之一，可以通过多种方式进行访问： ```python s2 = pd.Series([10.5, 20, 38, 40]) s2.index = ['a', 'b', 'c', 'd'] print(s2['a']) # 方括号+索引的形式获取Series值 ``` 输出结果： ``` 10.5 ``` 此外，还可以通过方括号加下标的方式获取数据： ```python print(s2[0]) ``` 输出结果： ``` 10.5 ``` #### 4. Series 的运算 `Series` 支持各种运算操作，包括但不限于算术运算、比较运算等。例如： ```python s6 = pd.Series({'a': 1, 'b': 2, "c": 3, "d": 4}) print(s6) ``` 输出结果： ``` a 1 b 2 c 3 d 4 dtype: int64 ``` 然后我们可以进行筛选操作，例如找出所有大于2的值： ```python print(s6[s6 > 2]) ``` 输出结果： ``` c 3 d 4 dtype: int64 ``` 以上是关于 Python3.5 中 Pandas 模块 `Series` 结构原理、创建、获取及运算的相关操作技巧与注意事项的详细介绍。通过这些基本操作的学习，可以为进一步使用 Pandas 分析数据打下坚实的基础。

假设你的Series名字为s，可以使用以下代码删除以"600"和"000"开头的元素： ```python s = s[~s.astype(str).str.match(r'(600|000)')] ``` 这里的正则表达式`(600|000)`表示以"600"或"000"开头的字符串。`astype(str)`将Series转换为字符串类型，`str.match()`在字符串开始处进行匹配，返回一个布尔Series，`~`用于取反。因此，以上代码将删除以"600"和"000"开头的元素。

阅读全文

python 删除series里面"600"和"000"开头的

相关推荐

Python数据分析：深入理解Pandas Series与DataFrame

Python数据分析：深入讲解Numpy和Pandas的使用

python 删除series里面"600"和"000"开头的值

python 删除series变量里面"600"和"000"开头的

python数据分析实验三

python面试常见的问题.zip

Python Pandas对缺失值的处理方法

Python pandas全方位指南：数据分析利器

Python入门：数据分析与机器学习之路

【Python列表和元组】

Python Excel公式和函数读取：深度解析，解锁数据奥秘

iPython和Python在机器学习中的应用：提升模型开发的效率

【基础】Python数据结构详解

Python中的时间序列分析入门

初探Python编程语言基础及应用

Python在科学计算中的基础应用

Python新手必读：零基础管理CSV文件数据

pandas.core.series.Series删除空格

如何将DataFrame（或Series）中名为“name”的列中以空白字符开头的部分（即最后的空格、制表符、换行符等）删除

最新推荐

python根据开头和结尾字符串获取中间字符串的方法

在python中pandas的series合并方法

python文件特定行插入和替换实例详解

Python数据分析基础：异常值检测和处理

Python内存泄漏和内存溢出的解决方案

Raspberry Pi OpenCL驱动程序安装与QEMU仿真指南

管理建模和仿真的文件

Fluent UDF实战攻略：案例分析与高效代码编写

如何使用DPDK技术在云数据中心中实现高效率的流量监控与网络安全分析？

Apache RocketMQ Go客户端：全面支持与消息处理功能