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().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

上一篇:Pandas选项和自定义

下一篇:Pandas统计函数

关注微信小程序
程序员编程王-随时随地学编程

扫描二维码
程序员编程王

扫一扫关注最新编程教程