Rozdział 14. Indeksowanie i wybieranie
W części II przyjrzeliśmy się szczegółowo metodom i narzędziom pozwalającym na dostęp do wartości znajdujących się w tablicach NumPy oraz metodom zapisywania i modyfikowania znajdujących się w nich wartości. Były to: indeksowanie (np. arr [2, 1]), slicing (np. arr [:, 1:5]), maskowanie (np. arr [arr > 0]), fancy indexing (np. arr [0, [1, 5]]) oraz ich kombinacje (np. arr[:, [1, 5]]). W tym rozdziale przyjrzymy się analogicznym sposobom uzyskiwania dostępu i modyfikowania danych przechowywanych w obiektach typu Series i DataFrame. Jeśli korzystałeś z tych metod w NumPy, narzędzia dostępne w Pandas wydadzą Ci się znajome. Niemniej istnieje kilka różnic, o których należy pamiętać.
Zaczniemy od prostego przypadku ...
Get Python Data Science now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
