Pandas索引和选择数据
Pandas索引和选择数据
在本章中，我们将讨论如何切割和丢弃日期，并获取Pandas中大对象的子集。
Python和NumPy索引运算符"[]"和属性运算符"."。 可以在广泛的用例中快速轻松地访问Pandas数据结构。然而，由于要访问的数据类型不是预先知道的，所以直接使用标准运算符具有一些优化限制。对于生产环境的代码，我们建议利用本章介绍的优化Pandas数据访问方法。
Pandas现在支持三种类型的多轴索引; 这三种类型在下表中提到 -
| 编号 | 索引 | 描述 |
|---|---|---|
| 1 | .loc() |
基于标签 |
| 2 | .iloc() |
基于整数 |
| 3 | .ix() |
基于标签和整数 |
.loc()
Pandas提供了各种方法来完成基于标签的索引。 切片时，也包括起始边界。整数是有效的标签，但它们是指标签而不是位置。
.loc()具有多种访问方式，如 -
- 单个标量标签
- 标签列表
- 切片对象
- 一个布尔数组
loc需要两个单/列表/范围运算符，用","分隔。第一个表示行，第二个表示列。
示例1
#import the pandas library and aliasing as pd import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(8, 4), index = ['a','b','c','d','e','f','g','h'], columns = ['A', 'B', 'C', 'D']) #select all rows for a specific column print (df.loc[:,'A'])
执行上面示例代码，得到以下结果 -
a 0.015860 b -0.014135 c 0.446061 d 1.801269 e -1.404779 f -0.044016 g 0.996651 h 0.764672 Name: A, dtype: float64
示例2
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(8, 4), index = ['a','b','c','d','e','f','g','h'], columns = ['A', 'B', 'C', 'D']) # Select all rows for multiple columns, say list[] print (df.loc[:,['A','C']])
执行上面示例代码，得到以下结果 -
A C a -0.529735 -1.067299 b -2.230089 -1.798575 c 0.685852 0.333387 d 1.061853 0.131853 e 0.990459 0.189966 f 0.057314 -0.370055 g 0.453960 -0.624419 h 0.666668 -0.433971
示例3
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(8, 4), index = ['a','b','c','d','e','f','g','h'], columns = ['A', 'B', 'C', 'D']) # Select few rows for multiple columns, say list[] print (df.loc[['a','b','f','h'],['A','C']]) # Select all rows for multiple columns, say list[] print (df.loc[:,['A','C']])
执行上面示例代码，得到以下结果 -
A C
a -1.959731 0.720956
b 1.318976 0.199987
f -1.117735 -0.181116
h -0.147029 0.027369
A C
a -1.959731 0.720956
b 1.318976 0.199987
c 0.839221 -1.611226
d 0.722810 1.649130
e -0.524845 -0.037824
f -1.117735 -0.181116
g -0.642907 0.443261
h -0.147029 0.027369
示例4
# import the pandas library and aliasing as pd import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(8, 4), index = ['a','b','c','d','e','f','g','h'], columns = ['A', 'B', 'C', 'D']) # Select range of rows for all columns print (df.loc['a':'h'])
执行上面示例代码，得到以下结果 -
A B C D a 1.556186 1.765712 1.060657 0.810279 b 1.377965 -0.183283 -0.224379 0.963105 c -0.530016 0.167183 -0.066459 0.074198 d -1.515189 -1.453529 -1.559400 1.072148 e -0.487399 0.436143 -1.045622 -0.029507 f 0.552548 0.410745 0.570222 -0.628133 g 0.865293 -0.638388 0.388827 -0.469282 h -0.690596 1.765139 -0.492070 -0.176074
示例5
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(8, 4), index = ['a','b','c','d','e','f','g','h'], columns = ['A', 'B', 'C', 'D']) # for getting values with a boolean array print (df.loc['a']>0)
执行上面示例代码，得到以下结果 -
A False B True C False D True Name: a, dtype: bool
.iloc()
Pandas提供了各种方法，以获得纯整数索引。像python和numpy一样，第一个位置是基于0的索引。
各种访问方式如下 -
- 整数
- 整数列表
- 系列值
示例1
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D']) # select all rows for a specific column print (df.iloc[:4])
执行上面示例代码，得到以下结果 -
A B C D 0.277146 0.274234 0.860555 -1.312323 -1.064776 2.082030 0.695930 2.409340 0.033953 -1.155217 0.113045 -0.028330 0.241075 -2.156415 0.939586 -1.670171
示例2
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D']) # Integer slicing print (df.iloc[:4]) print (df.iloc[1:5, 2:4])
执行上面示例代码，得到以下结果 -
A B C D
1.346210 0.251839 0.975964 0.319049
0.459074 0.038155 0.893615 0.659946
-1.097043 0.017080 0.869331 -1.443731
1.008033 -0.189436 -0.483688 -1.167312
C D
0.893615 0.659946
0.869331 -1.443731
-0.483688 -1.167312
1.566395 -1.292206
示例3
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D']) # Slicing through list of values print (df.iloc[[1, 3, 5], [1, 3]]) print (df.iloc[1:3, :]) print (df.iloc[:,1:3])
执行上面示例代码，得到以下结果 -
B D
0.081257 0.009109
1.037680 -1.467327
1.106721 0.320468
A B C D
-0.133711 0.081257 -0.031869 0.009109
0.895576 -0.513450 -0.048573 0.698965
B C
0.442735 -0.949859
0.081257 -0.031869
-0.513450 -0.048573
1.037680 -0.801157
-0.547456 -0.255016
1.106721 0.688142
-0.466452 0.219914
1.583112 0.982030
.ix()
除了基于纯标签和整数之外，Pandas还提供了一种使用.ix()运算符进行选择和子集化对象的混合方法。
示例1
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D']) # Integer slicing print (df.ix[:4])
执行上面示例代码，得到以下结果 -
A B C D -1.449975 -0.002573 1.349962 0.539765 -1.249462 -0.800467 0.483950 0.187853 1.361273 -1.893519 0.307613 -0.119003 -0.103433 -1.058175 -0.587307 -0.114262 -0.612298 0.873136 -0.607457 1.047772
示例2
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D']) # Index slicing print (df.ix[:,'A'])
执行上面示例代码，得到以下结果 -
0 1.539915 1.359477 0.239694 0.563254 2.123950 0.341554 -0.075717 -0.606742 Name: A, dtype: float64
使用符号
使用多轴索引从Pandas对象获取值可使用以下符号 -
| 对象 | 索引 | 描述 |
|---|---|---|
| Series | s.loc[indexer] |
标量值 |
| DataFrame | df.loc[row_index,col_index] |
标量对象 |
| Panel | p.loc[item_index,major_index, minor_index] |
p.loc[item_index,major_index, minor_index] |
注意 -
.iloc()和.ix()应用相同的索引选项和返回值。
现在来看看如何在DataFrame对象上执行每个操作。这里使用基本索引运算符[] -
示例1
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D']) print (df['A'])
执行上面示例代码，得到以下结果 -
0 0.028277 -1.037595 -0.563495 -1.196961 -0.805250 -0.911648 -0.355171 -0.232612 Name: A, dtype: float64
示例2
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D']) print (df[['A','B']])
执行上面示例代码，得到以下结果 -
A B -0.767339 -0.729411 -0.563540 -0.639142 0.873589 -2.166382 0.900330 0.253875 -0.520105 0.064438 -1.452176 -0.440864 -0.291556 -0.861924 -1.464235 0.313168
示例3
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D']) print (df[2:2])
执行上面示例代码，得到以下结果 -
Empty DataFrame Columns: [A, B, C, D] Index: []
属性访问
可以使用属性运算符.来选择列。
示例
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D']) print (df.A)
执行上面示例代码，得到以下结果 -
0 0.104820 -1.206600 0.469083 -0.821226 -1.238865 1.083185 -0.827833 -0.199558 Name: A, dtype: float64
目录
