Python基础之序列操作

在Python中，序列是一种基本的数据类型，包括字符串、列表、元组等。序列操作是Python编程中的重要部分，本文将介绍序列的基本操作，包括索引、切片、拼接、重复、长度、成员资格检查等。

索引

序列中的每个元素都有一个唯一的索引，可以使用索引访问序列中的素。在Python中，序列的索引从0开始，负数索表示从序列末尾开始计数。以下是示例代码：

my_list = [1, 2, 3, 4, 5]
print(my_list[0])   # 输出1
print(my_list[-1])  # 输出5

在上面的示例代码中，我们定义了一个列表my_list，包含5个整数。然后，我们使用索引访问my_list中的第一个元素和最后一个元素。

切片

切片是指从序列中获取一个子序列的操作。在Python中，我们可以使用切片操作获取序列中的一部分。以下是示例代码：

my_list = [1, 2, 3, , 5]
print(my_list[1:3])   # 输出[2, 3]
print(my_list[:3])    # 输出[1, 2, 3]
print(my_list[3:])    # 输出[4, 5]

在上面的示例代码中，我们定义了一个列表my_list，包含5个整数。然后，我们使用切片操作获取my_list中的子序列，包括从索引1到索引2的元素、从开到索引2的元素和从索引3到末尾的元素。

拼接

拼接是指将两个或多个序列合并成一个序列的操作。在Python中，我们可以使用加号运算符（+）将两个序列拼接一起。以下是示例代码：

my_list1 = [1, 2, 3]
my_list2 = [4, 5, 6]
my_list3 = my_list1 + my_list2
print(my_list3)   # 输出[1, 2, 3, 4, 5, 6]

在上面的示例代码中，定义了两个列表my_list1和my_list2，分别包含3个整数。然后，我们使用加号运算符将它们拼在一起，得到一个的列表my_list3。

重复

重复是指将一个序列重复多次的操作。在Python中，我们可以使用乘号运算符（*）将一个序列重复多次。以下是示例代码：

my_list = [1, 2, 3]
my_new_list = my_list * 3
print(my_new_list)   # 输出[1, 2, 3, 1, 2, 3, 1, 2, 3]

在上面的示例代码中，我们定义了一个列表my_list，包含3个整数。然后，我们使用乘运算符将my_list重复3次，得到一个新的列表my_new_list。

长度

长度是指序列中元素的个数。Python中，我们可以使用len()函数获取序列的长度。以下是示例代码：

my_list = [1, 2, 3, 4, 5]
print(len(my_list))   # 输出5

在上面的示例代码中，定义了一个列表my_list，包含5个整数。然后，我们使用len()函数获取my_list的长度。

成员资格检查

成员资格检查是指检查一个元素是否在序列中的操作。在Python中，我们可以使用in和not in运算符进行成员格检查。以下是示例代码：

my_list = [1, 2, 3, 4, 5]
print(3 in my_list)    # 输出True
print(6 not in my_list)   # 输出True

在上面的示例代码中，我们定义了一个列表my_list，包含5个整数。然后，使用in和not in运算符检查3和6是否my_list中。

示例说明

示例1：使用切片操作获取DataFrame的子集

import pandas as pd

# 定义DataFrame
df = pd.DataFrame({"name": ["Alice", "Bob", "Charlie"], "age": [25, 30, 35], "gender": ["F", "M", "M"]})

# 使用切片操作获取DataFrame的子集
df_subset = df.iloc[1:3, 0:2]
print(df_subset)

在上面的示例代码中，我们首先定义了一个DataFrame df，包含3个行和3个列。然后，我们使用切片操作df子集，包括第2行到第3行和1列到第2列的元素。最终，我们打印了子集的内容。

示例2：使用拼接操作合并多个DataFrame

import pandas as pd

# 定义DataFrame
df1 = pd.DataFrame({"name": ["Alice", "Bob", "Charlie"], "age": [25,30, 35], "gender": ["F", "M", "M"]})
df2 = pd.DataFrame({"name": ["David", "Emily", "Frank"], "age": [40, 45, 50], "gender": ["M", "F", "M"]})
df3 = pd.DataFrame({"name": ["Grace", "Henry", "Isabella"], "age": [55, 60, 65], "gender": ["F", "M", "F"]})

# 使用拼接操作合并多个DataFrame
df_all = pd.concat([df1, df2, df3], ignore_index=True)
print(df_all)

在上面的示例代码中，我们首先定义了3个DataFrame df1、df2和df3，每个DataFrame包含3个行和3个列。然后，我们使用pd.concat()函数将它们拼接在一起，得到一个新的DataFrame df_all。最终，我们打印了df_all的内容。