Python 教程之 Pandas（4）—— 使用 Pandas 索引和选择数据

Pandas
中的索引：pandas 中的索引意味着只需从 DataFrame 中选择特定的数据行和列。索引可能意味着选择所有行和一些列，一些行和所有列，或每行和列中的一些。索引也可以称为子集选择。

选择一些行和一些列

让我们拿一个带有一些假数据的 DataFrame，现在我们在这个 DataFrame 上执行索引。在此，我们从 DataFrame 中选择一些行和一些列。带有数据集的数据框。

假设我们要选择 columns ​​Age​​​，​​College​​​并且​​Salary​​​只选择带有标签的行​​Amir Johnson​​​，​​Terry Rozier​​

我们最终的 DataFrame 看起来像这样：

选择一些行和所有列

假设我们要选择 row ​​Amir Jhonson​​​，​​Terry Rozier​​​并选择数据框中​​John Holland​​的所有列。

我们最终的 DataFrame 如下所示：

选择一些列和所有行

假设我们要在数据框中选择包含所有行的 Age、Height 和 Salary 列。

我们最终的 DataFrame 如下所示：

Pandas 索引使用​​[ ]​​​, ​​.loc[]​​​, ​​.iloc[ ]​​​,​​.ix[ ]​​

有很多方法可以从 DataFrame 中提取元素、行和列。Pandas 中有一些索引方法有助于从 DataFrame 中获取元素。这些索引方法看起来非常相似，但行为却截然不同。Pandas 支持四种类型的多轴索引，它们是：

• 数据框。[];此函数也称为索引运算符
• Dataframe.loc[ ]：此函数用于标签。
• Dataframe.iloc[ ]：此函数用于位置或基于整数
• Dataframe.ix[]：此函数用于基于标签和整数

它们统称为索引器。这些是迄今为止最常见的数据索引方法。这四个函数有助于从 DataFrame 中获取元素、行和列。

使用索引运算符索引数据框​​[]​​：
索引运算符用于引用对象后面的方括号。和索引器​​​.loc​​​还​​.iloc​​使用索引运算符进行选择。在这个索引运算符中要引用 df[]。

选择单个列

为了选择单个列，我们只需将列名放在括号之间

# importing pandas package
import pandas as pd

# 从csv文件制作数据框
data = pd.read_csv("nba.csv", index_col ="Name")

# 通过索引运算符检索列
first = data["Age"]

print(first)

输出：

选择多个列

为了选择多个列，我们必须在索引运算符中传递列列表。

# importing pandas package
import pandas as pd

# 从csv文件制作数据框
data = pd.read_csv("nba.csv", index_col ="Name")

# 通过索引运算符检索多个列
first = data[["Age", "College", "Salary"]]

first

输出：

使用 索引 DataFrame ​​.loc[ ]​​：

此函数通过行和列的标签选择数据。 ​​df.loc​​索引器以不同于索引运算符的方式选择数据。它可以选择行或列的子集。它还可以同时选择行和列的子集。

选择单行

为了使用 选择单行，我们在函数​​.loc[]​​​中放置了单行标签。​​.loc​​

# importing pandas package
import pandas as pd

# 从csv文件制作数据框
data = pd.read_csv("nba.csv", index_col ="Name")

# 通过 loc 方法检索行
first = data.loc["Avery Bradley"]
second = data.loc["R.J. Hunter"]


print(first, "\n\n\n", second)

输出：

如输出图像所示，由于两次都只有一个参数，因此返回了两个系列。

选择多行

为了选择多行，我们将所有行标签放在一个列表中并将其传递给​​.loc​​函数。

import pandas as pd

# 从csv文件制作数据框
data = pd.read_csv("nba.csv", index_col ="Name")

# 通过 loc 方法检索多行
first = data.loc[["Avery Bradley", "R.J. Hunter"]]

print(first)

输出：

选择两行三列

为了选择两行和三列，我们选择要选择的两行和三列，并将其放在单独的列表中，如下所示：

Dataframe.loc[["row1", "row2"], ["column1", "column2", "column3"]]

import pandas as pd

# 从csv文件制作数据框
data = pd.read_csv("nba.csv", index_col ="Name")

# 通过loc方法检索两行三列
first = data.loc[["Avery Bradley", "R.J. Hunter"],
                ["Team", "Number", "Position"]]

print(first)

输出：

选择所有行和一些列

为了选择所有的行和一些列，我们使用单冒号 [:] 来选择我们想要选择的所有行和一些列的列表，如下所示：

Dataframe.loc[:, ["column1", "column2", "column3"]]

import pandas as pd

# 从csv文件制作数据框
data = pd.read_csv("nba.csv", index_col ="Name")

# 通过 loc 方法检索所有行和某些列
first = data.loc[:, ["Team", "Number", "Position"]]

print(first)

输出：

使用 索引 DataFrame ​​.iloc[ ]​​：

此函数允许我们按位置检索行和列。为了做到这一点，我们需要指定我们想要的行的位置，以及我们想要的列的位置。索引器​​df.iloc ​​​非常相似，​​df.loc ​​但仅使用整数位置进行选择。

选择单行

为了使用 选择单行​​.iloc[]​​​，我们可以将单个整数传递给​​.iloc[]​​函数。

import pandas as pd

# 从csv文件制作数据框
data = pd.read_csv("nba.csv", index_col ="Name")


# 通过 iloc 方法检索行
row2 = data.iloc[3]

print(row2)

输出：

选择多行

为了选择多行，我们可以将整数列表传递给​​.iloc[]​​函数。

import pandas as pd

# 从csv文件制作数据框
data = pd.read_csv("nba.csv", index_col ="Name")


# 通过 iloc 方法检索多行
row2 = data.iloc [[3, 5, 7]]

row2

输出：

选择两行两列

为了选择两行和两列，我们为行创建一个包含 2 个整数的列表，为列创建一个包含 2 个整数的列表，然后传递给一个​​.iloc[]​​函数。

import pandas as pd

# 从csv文件制作数据框
data = pd.read_csv("nba.csv", index_col ="Name")


# 通过iloc方法检索两行两列
row2 = data.iloc [[3, 4], [1, 2]]

print(row2)

输出：

选择所有行和一些列

为了选择所有行和一些列，我们使用单冒号 [:] 来选择所有行，对于列，我们制作一个整数列表，然后传递给一个​​.iloc[]​​函数。

import pandas as pd

# 从csv文件制作数据框
data = pd.read_csv("nba.csv", index_col ="Name")


# 通过 iloc 方法检索所有行和某些列
row2 = data.iloc [:, [1, 2]]

print(row2)

输出：

使用 Dataframe.ix[ ]对 a 进行索引：

在 pandas 开发的早期，存在另一个索引器​​ix​​​. 该索引器能够按标签和整数位置进行选择。虽然它是通用的，但它引起了很多混乱，因为它不明确。有时整数也可以是行或列的标签。因此，在某些情况下它是模棱两可的。通常，​​ix​​它是基于标签的，并且充当 .loc索引器。但是，​​.ix​​​也支持传递整数的整数类型选择（如在 .iloc 中）。这仅适用于 DataFrame 的索引不是基于整数的​​.ix​​​情况，它将接受​​.loc​​​和的任何输入​​.iloc​​。

注意 ：  .ix****indexer 在最新版本的 Pandas 中已被弃用。

​​.ix[]​​​使用as选择单行​​.loc[]​​

为了选择单行，我们在​​.ix​​函数中放置了单行标签。如果我们将行标签作为函数的参数传递，则此函数的行为类似于 .loc[]。

# importing pandas package
import pandas as pd

# 从csv文件制作数据框
data = pd.read_csv("nba.csv", index_col ="Name")

# 通过 ix 方法检索行
first = data.ix["Avery Bradley"]

print(first)

输出：

​​.ix[]​​​使用as选择单行​​.iloc[]​​

为了选择单行，我们可以将一个整数传递给​​.ix[]​​​函数。如果我们在函数中传递整数，则此函数类似于 iloc[]​​.ix[]​​函数。

# importing pandas package
import pandas as pd

# 从csv文件制作数据框
data = pd.read_csv("nba.csv", index_col ="Name")

# 通过 ix 方法检索行
first = data.ix[1]

print(first)

输出：

DataFrame中的索引方法

功能	描述
Dataframe.head()	返回数据框的顶部​​ n​​行。
Dataframe.tail()	返回数据框的底部​​n​​行。
[]	访问行/列标签对的单个值。
Dataframe.iat[]	按整数位置访问行/列对的单个值。
Dataframe.tail()	纯粹基于整数位置的索引，用于按位置进行选择。
DataFrame.lookup()	DataFrame 的基于标签的“精美索引”功能。
DataFrame.pop()	返回项目并从框架中删除。
DataFrame.xs()	从 DataFrame 返回横截面（行或列）。
DataFrame.get()	从给定键的对象中获取项目（DataFrame 列、Panel 切片等）。
DataFrame.isin()	返回布尔数据帧，显示数据帧中的每个元素是否包含在值中。
DataFrame.where()	返回一个与 self 形状相同的对象，其对应的条目来自 self ，其中 cond 为 True ，否则来自 other 。
DataFrame.mask()	返回一个与 self 形状相同的对象，其对应条目来自 self ，其中 cond 为 False ，否则来自 other 。
DataFrame.query()	使用布尔表达式查询框架的列。
DataFrame.insert()	在指定位置将列插入 DataFrame。