Python 修剪/截断时我是否遗漏了什么？

我似乎看不出这里出了什么问题。我有一个熊猫

系列

的长度（16110）和一个

数据框

的形状（1316116）。我只是想把

数据框

修剪成我的

系列

的长度

我认为这将是一个简单的问题：

df = df[:len(series)]

这段代码运行时没有错误，但在缩短时间方面似乎做得不多

我是不是遗漏了什么？

显然是你想要的

这是一种方便的方法；基本上

head（self，n）

返回

self.iloc[：n]

请注意，这不是切割原始框架。据我所知，它返回原始帧的视图（子集）。某些类型的切片返回副本

显然是你想要的

这是一种方便的方法；基本上

head（self，n）

返回

self.iloc[：n]

---

请注意，这不是切割原始框架。据我所知，它返回原始帧的视图（子集）。某些类型的切片返回副本

这里是另一种方法，使用

df.truncate

：

df = df.truncate(after=len(series)-1)

例如：

>>> df
          0         1         2         3         4
0 -0.615868  0.367161  0.138472 -0.353085  0.953871
1  0.063501 -0.256693  0.895870  0.368182  0.156447
2 -0.148034 -0.572105 -3.030083  1.092318 -2.635359
3 -1.038899  1.198679  2.633639 -0.149085 -1.574603
4 -2.639766  1.377038 -1.263696 -1.999058 -1.540654
5  1.683478 -0.403260 -1.551362 -0.007200  0.240715
6  1.033099  0.659052 -0.306415  0.086918 -1.523796
7 -1.514313  0.117010  0.490440  0.497393  0.123755
8  0.078399  0.218355 -0.255076 -0.474265 -0.430907
9  0.868665  1.917818  1.303568  1.772729 -0.446849

>>> series
0    0.311083
1    0.498019
2   -0.671698
dtype: float64

>>> df.truncate(after=len(series)-1)
          0         1         2         3         4
0 -0.615868  0.367161  0.138472 -0.353085  0.953871
1  0.063501 -0.256693  0.895870  0.368182  0.156447
2 -0.148034 -0.572105 -3.030083  1.092318 -2.635359

不过，请注意，我不能重现你的问题。例如：

df[:len(series)]

还返回截断的

df

：

>>> df[:len(series)]
          0         1         2         3         4
0 -0.615868  0.367161  0.138472 -0.353085  0.953871
1  0.063501 -0.256693  0.895870  0.368182  0.156447
2 -0.148034 -0.572105 -3.030083  1.092318 -2.635359

---

下面是另一种方法，使用

df.truncate

：

df = df.truncate(after=len(series)-1)

例如：

>>> df
          0         1         2         3         4
0 -0.615868  0.367161  0.138472 -0.353085  0.953871
1  0.063501 -0.256693  0.895870  0.368182  0.156447
2 -0.148034 -0.572105 -3.030083  1.092318 -2.635359
3 -1.038899  1.198679  2.633639 -0.149085 -1.574603
4 -2.639766  1.377038 -1.263696 -1.999058 -1.540654
5  1.683478 -0.403260 -1.551362 -0.007200  0.240715
6  1.033099  0.659052 -0.306415  0.086918 -1.523796
7 -1.514313  0.117010  0.490440  0.497393  0.123755
8  0.078399  0.218355 -0.255076 -0.474265 -0.430907
9  0.868665  1.917818  1.303568  1.772729 -0.446849

>>> series
0    0.311083
1    0.498019
2   -0.671698
dtype: float64

>>> df.truncate(after=len(series)-1)
          0         1         2         3         4
0 -0.615868  0.367161  0.138472 -0.353085  0.953871
1  0.063501 -0.256693  0.895870  0.368182  0.156447
2 -0.148034 -0.572105 -3.030083  1.092318 -2.635359

不过，请注意，我不能重现你的问题。例如：

df[:len(series)]

还返回截断的

df

：

>>> df[:len(series)]
          0         1         2         3         4
0 -0.615868  0.367161  0.138472 -0.353085  0.953871
1  0.063501 -0.256693  0.895870  0.368182  0.156447
2 -0.148034 -0.572105 -3.030083  1.092318 -2.635359

---

有道理，所以我正在扩展它。这也不会让询问者得到他们想要的东西…@RCA：我认为任何基于

iloc

的东西实际上都不会剪切帧。但是，对常规Python列表进行切片也不会将其切掉，因此

foo=bar[：bound]

的预期行为是“提供较短的表示”，而不是“释放未使用的部分”。您的较长答案是有意义的。此答案与提供的输入不兼容。df的形状是（1316116）-我们是针对列而不是行进行切片。用提供的输入解决这个问题的方法是

df.iloc[：，：len（series）]

，所以我正在扩展它。这也不会让询问者得到他们想要的东西…@RCA：我认为任何基于

iloc

的东西实际上都不会剪切帧。但是，对常规Python列表进行切片也不会将其切掉，因此

foo=bar[：bound]

的预期行为是“提供较短的表示”，而不是“释放未使用的部分”。您的较长答案是有意义的。此答案与提供的输入不兼容。df的形状是（1316116）-我们是针对列而不是行进行切片。用提供的输入解决这个问题的方法是

df.iloc[：，：len（series）]

df.loc[：，：len（series）]

df.loc[：，：len（series）]

也许可以检查df，shape，我认为切片列是关键，而不是行我不确定我是否理解。另外，从一个

df

的形状

（10,5）

和一系列

len

3开始，我使用

df[：len（series）]

（参见编辑的帖子）得到了一个被截断的

df

（3,5），因此它似乎是在调整行而不是列。。。也许我遗漏了一些东西…也许检查df，形状，我认为柱的切片是关键，而不是行我不确定我是否理解。另外，从一个

df

的形状

（10,5）

和一系列

len

3开始，我使用

df[：len（series）]

（参见编辑的帖子）得到了一个被截断的

df

（3,5），因此它似乎是在调整行而不是列。。。也许我错过了什么。。。