目录
一、用法精讲
101、pandas.Series.__array__魔法方法
101-1、语法
101-2、参数
101-3、功能
101-4、返回值
101-5、说明
101-6、用法
101-6-1、数据准备
101-6-2、代码示例
101-6-3、结果输出
102、pandas.Series.get方法
102-1、语法
102-2、参数
102-3、功能
102-4、返回值
102-5、说明
102-6、用法
102-6-1、数据准备
102-6-2、代码示例
102-6-3、结果输出
103、pandas.Series.at方法
103-1、语法
103-2、参数
103-3、功能
103-4、返回值
103-5、说明
103-6、用法
103-6-1、数据准备
103-6-2、代码示例
103-6-3、结果输出
104、pandas.Series.iat方法
104-1、语法
104-2、参数
104-3、功能
104-4、返回值
104-5、说明
104-6、用法
104-6-1、数据准备
104-6-2、代码示例
104-6-3、结果输出
105、pandas.Series.loc方法
105-1、语法
105-2、参数
105-3、功能
105-4、返回值
105-5、说明
105-6、用法
105-6-1、数据准备
105-6-2、代码示例
105-6-3、结果输出
二、推荐阅读
1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页
一、用法精讲
101、pandas.Series.__array__魔法方法
101-1、语法
# 101、pandas.Series.__array__魔法方法
pandas.Series.__array__(dtype=None, copy=None)
Return the values as a NumPy array.Users should not call this directly. Rather, it is invoked by numpy.array() and numpy.asarray().Parameters:
dtype
str or numpy.dtype, optional
The dtype to use for the resulting NumPy array. By default, the dtype is inferred from the data.copy
bool or None, optional
Unused.Returns:
numpy.ndarray
The values in the series converted to a numpy.ndarray with the specified dtype.101-2、参数
101-2-1、dtype(可选，默认值为None)：指定返回数组的数据类型，如果不提供，返回的数组将使用Series中数据的原始数据类型。
101-2-2、copy(可选，默认值为None)：指定是否返回数组的副本，虽然在__array__方法中通常不会使用该参数，实际行为仍然可能依赖于实现和数据的具体情况。
101-3、功能
用于将Series对象转换为NumPy数组。
101-4、返回值
返回一个NumPy数组，其中包含Series对象中的所有数据元素。
101-5、说明
虽然__array__方法可以用来将Series对象转换为NumPy数组，to_numpy()方法更为常用且功能更为完善。
101-6、用法
101-6-1、数据准备
无101-6-2、代码示例
# 101、pandas.Series.__array__魔法方法
import pandas as pd
# 创建一个pandas Series对象
data = pd.Series([1, 2, 3, 4, 5])
# 使用 __array__ 方法将 Series 转换为 NumPy 数组
data_array = data.__array__()
# 输出结果
print("使用__array__方法转换后的NumPy数组：")
print(data_array)
# 如果需要指定数据类型
data_array_float = data.__array__(dtype='float64')
# 输出指定数据类型后的结果
print("\n指定数据类型(float64)后的NumPy数组：")
print(data_array_float)101-6-3、结果输出
# 101、pandas.Series.__array__魔法方法
# 使用__array__方法转换后的NumPy数组：
# [1 2 3 4 5]
#
# 指定数据类型(float64)后的NumPy数组：
# [1. 2. 3. 4. 5.]102、pandas.Series.get方法
102-1、语法
# 102、pandas.Series.get方法
pandas.Series.get(key, default=None)
Get item from object for given key (ex: DataFrame column).Returns default value if not found.Parameters:
key
object
Returns:
same type as items contained in object102-2、参数
102-2-1、key(必须)：指定要获取的索引标签，如果key是一个列表，则会返回这些标签对应的值组成的Series对象；如果key是一个单独的标签，返回该标签对应的单一值。
102-2-2、default(可选，默认值为None)：如果指定的key不存在于Series中，则返回的默认值；如果未提供该参数，Series.get方法在key不存在时将返回None。
102-3、功能
用于从Series对象中获取指定索引位置的值，如果指定的索引不存在，该方法允许你设置一个默认值来代替引发KeyError的异常。
102-4、返回值
102-4-1、如果key是单个标签，返回对应的值或default值/None。
102-4-2、如果key是标签列表，返回一个新的Series，其中包含标签对应的值和default值/None。
102-5、说明
无
102-6、用法
102-6-1、数据准备
无102-6-2、代码示例
# 102、pandas.Series.get方法
import pandas as pd
# 创建一个pandas Series对象
data = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
# 使用 get 方法获取存在的索引
value_a = data.get('a')
print("索引'a'的值:", value_a)
# 使用 get 方法获取不存在的索引，提供默认值
value_d = data.get('d', default='默认值')
print("索引'd'的值:", value_d)
# 使用 get 方法获取不存在的索引，不提供默认值
value_e = data.get('e')
print("索引'e'的值:", value_e)102-6-3、结果输出
# 102、pandas.Series.get方法
# 索引'a'的值: 10
# 索引'd'的值: 默认值
# 索引'e'的值: None103、pandas.Series.at方法
103-1、语法
# 103、pandas.Series.at方法
pandas.Series.at
Access a single value for a row/column label pair.Similar to loc, in that both provide label-based lookups. Use at if you only need to get or set a single value in a DataFrame or Series.Raises:
KeyError
If getting a value and ‘label’ does not exist in a DataFrame or Series.ValueError
If row/column label pair is not a tuple or if any label from the pair is not a scalar for DataFrame. If label is list-like (excluding NamedTuple) for Series.103-2、参数
无
103-3、功能
用于快速访问Series中单个元素的方法。
103-4、返回值
返回值是Series中指定标签的单个元素的值。当你使用Series.at[label]时，它会返回对应标签的值，类型与Series中元素的类型一致；如果你使用Series.at[label]=value来设置值，它会返回None，因为它是一个就地修改操作，不返回新的Series。
103-5、说明
103-5-1、效率：at方法专门用于访问或设置单个元素，效率高于loc，如果你只需要访问或修改单个元素，at是更优的选择。
103-5-2、标签检查：at不会提供默认值，如果你尝试访问一个不存在的标签，将引发KeyError异常。
103-6、用法
103-6-1、数据准备
无103-6-2、代码示例
# 103、pandas.Series.at方法
# 103-1、单个标签
import pandas as pd
data = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
# 获取标签'a'对应的值
value = data.at['a']
print(value, end='\n\n')
# 103-2、单个标签赋值
import pandas as pd
data = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
# 设置标签'b'对应的值
data.at['b'] = 25
print(data)103-6-3、结果输出
# 103、pandas.Series.at方法
# 103-1、单个标签
# 10# 103-2、单个标签赋值
# a 10
# b 25
# c 30
# dtype: int64104、pandas.Series.iat方法
104-1、语法
# 104、pandas.Series.iat方法
pandas.Series.iat
Access a single value for a row/column pair by integer position.Similar to iloc, in that both provide integer-based lookups. Use iat if you only need to get or set a single value in a DataFrame or Series.Raises:
IndexError
When integer position is out of bounds.104-2、参数
无
104-3、功能
用于基于整数位置来访问或修改Series元素的方法，它与Series.at方法不同，后者是基于标签进行操作的，而iat是基于位置的。
104-4、返回值
104-4-1、Series.iat[index]返回指定整数位置的单个元素的值。
104-4-2、Series.iat[index]=value修改指定整数位置的值，并且不会返回新的Series，而是在原地修改。
104-5、说明
104-5-1、iat只能用于整数位置索引，不支持标签。
104-5-2、访问或修改的索引位置超出Series长度会引发IndexError。
104-6、用法
104-6-1、数据准备
无104-6-2、代码示例
# 104、pandas.Series.iat方法
# 104-1、读取单个值
import pandas as pd
data = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
value = data.iat[1]
print(value)# 104-2、设置单个值
import pandas as pd
data = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
data.iat[1] = 25
print(data.iat[1])104-6-3、结果输出
# 104、pandas.Series.iat方法
# 104-1、读取单个值
# 20# 104-2、设置单个值
# 25105、pandas.Series.loc方法
105-1、语法
# 105、pandas.Series.loc方法
pandas.Series.loc
Access a group of rows and columns by label(s) or a boolean array..loc[] is primarily label based, but may also be used with a boolean array.Allowed inputs are:A single label, e.g. 5 or 'a', (note that 5 is interpreted as a label of the index, and never as an integer position along the index).A list or array of labels, e.g. ['a', 'b', 'c'].A slice object with labels, e.g. 'a':'f'.WarningNote that contrary to usual python slices, both the start and the stop are includedA boolean array of the same length as the axis being sliced, e.g. [True, False, True].An alignable boolean Series. The index of the key will be aligned before masking.An alignable Index. The Index of the returned selection will be the input.A callable function with one argument (the calling Series or DataFrame) and that returns valid output for indexing (one of the above)See more at Selection by Label.Raises:
KeyError
If any items are not found.IndexingError
If an indexed key is passed and its index is unalignable to the frame index.105-2、参数
无
105-3、功能
用于基于标签访问和操作Series元素的方法。它与Series.iat不同，后者是基于位置的，loc方法允许你通过标签来选择和操作数据，非常适合需要通过索引标签来访问数据的场景。
105-4、返回值
105-4-1、单个标签：返回标量值。
105-4-2、多个标签：返回Series。
105-4-3、标签切片：返回Series。
105-4-4、布尔索引：返回Series。
105-5、说明
Series.loc的用法
105-5-1、访问单个值：Series.loc[label]返回与标签label相关的Series中的值。
105-5-2、访问多个值：Series.loc[label1,label2]返回与多个标签相关的Series中的值。
105-5-3、切片：Series.loc[start_label:end_label]返回从start_label到end_label范围内的Series数据。
105-5-4、布尔索引： Series.loc[boolean_mask]返回符合布尔条件的Series中的值。
105-6、用法
105-6-1、数据准备
无105-6-2、代码示例
# 105、pandas.Series.loc方法
# 105-1、单个标签
import pandas as pd
data = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
value = data.loc['b']
print(type(value))# 105-2、多个标签
import pandas as pd
data = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
values = data.loc[['a', 'c']]
print(type(values))# 105-3、标签切片
import pandas as pd
data = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
sliced_data = data.loc['a':'b']
print(type(sliced_data))# 105-4、布尔索引
import pandas as pd
data = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
boolean_mask = data > 15
filtered_data = data.loc[boolean_mask]
print(type(filtered_data))105-6-3、结果输出
# 105、pandas.Series.loc方法
# 105-1、单个标签
# <class 'numpy.int64'># 105-2、多个标签
# <class 'pandas.core.series.Series'># 105-3、标签切片
# <class 'pandas.core.series.Series'># 105-4、布尔索引
# <class 'pandas.core.series.Series'>
