Python基础学习：列表与numpy操作详解

"自学Python基础题目及解答" 在学习Python基础时，了解并掌握数据结构如列表和Numpy数组的操作至关重要。列表作为Python中最常用的数据结构之一，提供了多种操作方法。例如，可以使用`append()`方法向列表末尾添加元素，如`a.append("mary")`。如果要在指定位置插入元素，可以使用`insert()`函数，如`s.insert(3,'fine')`，这将在列表的第三个位置插入'fine'。删除元素则通过`del`语句实现，比如`del a[1]`将删除列表a的第二个元素。修改列表中的元素则直接通过索引访问并赋值，如`a[1]="mary"`。此外，`list.count('a')`可以用来统计列表中特定元素'a'出现的次数。 对于排序，Python列表的`sort()`方法可以对列表进行原地排序，但请注意，Numpy数组与列表不同，它是一个高性能的多维数组，其所有元素必须是相同类型。在Numpy中，排序可以通过`a.sort()`完成。在Numpy数组中添加行或列，需要确保维度匹配。例如，要增加一行，可以使用`np.r_`或`np.vstack`，增加列则可以使用`np.c_`或`np.hstack`，也可以通过`np.insert`函数来实现，如`np.insert(a, 2, b, axis=1)`。删除Numpy数组的行或列则通过`np.delete`完成，其中`axis`参数指定操作的轴，`axis=0`表示删除行，`axis=1`表示删除列。 在处理Numpy数组时，要注意与Pandas Series的区别。Series是Pandas库中的一个核心数据结构，它是一维的，带有标签的数组，可以存储各种类型的数据。创建Series时，可以指定索引和数据，如`series_1 = pd.Series([1,2,3,np.nan,5,np.nan,'hello', [6,7,8]], name='series_1', index=['A','1','2','B','3','C','4','D'])`。Series的索引操作与列表不同，没有`iloc`和`loc`方法，但可以通过索引名称直接访问，如`series_1['A']`。增加Series元素可以使用`loc`属性，如`series.loc['new_index']='new_item'`，而`append`方法可以添加新的Series，`ignore_index=True`参数确保新添加的索引自动编号。删除Series中的元素使用`drop`函数，如`series.drop(['negtive'])`。修改Series中的元素就像修改列表一样，通过索引访问并赋值，如`series.iloc[0] = new_value`。 进一步扩展到DataFrame，它是Pandas库中的二维表格型数据结构，包含列标签（columns）和行标签（index）。DataFrame可以看作由多个Series组成，每个Series对应一列。DataFrame提供了丰富的操作，包括添加、删除、修改和查询列或行。与Series类似，DataFrame的行和列操作也有`loc`和`iloc`，用于基于标签或位置进行选择。DataFrame的增删改查操作更加复杂，但同样灵活，使其成为数据分析中的强大工具。