个人网站建设心得深圳大眼睛网站建设

Pandas2.2 Series

Computations descriptive stats

方法	描述
Series.align(other[, join, axis, level, …])	用于将两个 Series 对齐，使其具有相同的索引
Series.case_when(caselist)	用于根据条件列表对 Series 中的元素进行条件判断并返回相应的值
Series.drop([labels, axis, index, columns, …])	用于从 Series 中删除指定的行或列（对于 Series 来说，通常是删除行）

pandas.Series.drop

pandas.Series.drop() 是 Pandas 库中的一个方法，用于从 Series 中删除指定的行或列（对于 Series 来说，通常是删除行）。它可以删除一个或多个标签（labels）对应的数据，并返回一个新的 Series，或者直接在原 Series 上进行修改（如果 inplace=True）。

---

方法签名

Series.drop(labels=None, *, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')

---

参数详解

1. labels:

   • 要删除的标签（行或列的索引）。
   • 可以是单个标签，也可以是标签列表。
   • 默认值：None。

2. axis:

   • 指定删除的方向。
   • 对于 Series，axis 只能是 0（默认值），表示删除行。
   • 默认值：0。

3. index:

   • 指定要删除的行标签。
   • 如果提供了 index，则会忽略 labels。
   • 默认值：None。

4. columns:

   • 对于 Series，此参数无效（因为 Series 只有一列）。
   • 默认值：None。

5. level:

   • 如果 Series 的索引是多层索引（MultiIndex），则指定要删除的层级。
   • 默认值：None。

6. inplace:

   • 是否直接在原 Series 上进行修改。
   • 如果 True，则直接修改原 Series，并返回 None。
   • 如果 False（默认值），则返回一个新的 Series。
   • 默认值：False。

7. errors:

   • 指定如何处理不存在的标签。
   • 如果 'raise'（默认值），则会抛出异常。
   • 如果 'ignore'，则忽略不存在的标签。
   • 默认值：'raise'。

---

返回值

• 如果 inplace=False（默认），则返回一个新的 Series，其中删除了指定的标签。
• 如果 inplace=True，则直接修改原 Series，并返回 None。

---

示例及结果

示例 1：删除单个标签

import pandas as pd# 创建一个 Series
s = pd.Series([10, 20, 30, 40], index=['a', 'b', 'c', 'd'])# 删除标签为 'b' 的行
result = s.drop(labels='b')print("原 Series:")
print(s)
print("\n删除后的 Series:")
print(result)

结果：

原 Series:
a    10
b    20
c    30
d    40
dtype: int64删除后的 Series:
a    10
c    30
d    40
dtype: int64

---

示例 2：删除多个标签

import pandas as pd# 创建一个 Series
s = pd.Series([10, 20, 30, 40], index=['a', 'b', 'c', 'd'])# 删除标签为 'b' 和 'd' 的行
result = s.drop(labels=['b', 'd'])print("原 Series:")
print(s)
print("\n删除后的 Series:")
print(result)

结果：

原 Series:
a    10
b    20
c    30
d    40
dtype: int64删除后的 Series:
a    10
c    30
dtype: int64

---

示例 3：使用 index 参数删除行

import pandas as pd# 创建一个 Series
s = pd.Series([10, 20, 30, 40], index=['a', 'b', 'c', 'd'])# 使用 index 参数删除标签为 'a' 和 'c' 的行
result = s.drop(index=['a', 'c'])print("原 Series:")
print(s)
print("\n删除后的 Series:")
print(result)

结果：

原 Series:
a    10
b    20
c    30
d    40
dtype: int64删除后的 Series:
b    20
d    40
dtype: int64

---

示例 4：inplace=True 直接修改原 Series

import pandas as pd# 创建一个 Series
s = pd.Series([10, 20, 30, 40], index=['a', 'b', 'c', 'd'])# 删除标签为 'c' 的行，并直接修改原 Series
s.drop(labels='c', inplace=True)print("修改后的 Series:")
print(s)

结果：

修改后的 Series:
a    10
b    20
d    40
dtype: int64

---

示例 5：处理不存在的标签（errors='ignore'）

import pandas as pd# 创建一个 Series
s = pd.Series([10, 20, 30, 40], index=['a', 'b', 'c', 'd'])# 尝试删除不存在的标签 'x'，并忽略错误
result = s.drop(labels='x', errors='ignore')print("原 Series:")
print(s)
print("\n删除后的 Series:")
print(result)

结果：

原 Series:
a    10
b    20
c    30
d    40
dtype: int64删除后的 Series:
a    10
b    20
c    30
d    40
dtype: int64

---

注意事项

1. 如果 labels 或 index 中的标签不存在，且 errors='raise'（默认），则会抛出 KeyError。
2. 对于 Series，axis 参数只能是 0，因为 Series 只有一列。
3. 如果需要对 DataFrame 进行操作，drop() 方法可以删除行或列（通过 axis 参数指定）。

通过 drop() 方法，可以方便地从 Series 中删除不需要的数据，同时保持数据的整洁性。