Pandas 中的布尔索引

在布尔索引中，我们将根据 DataFrame 中数据的实际值而不是它们的行/列标签或整数位置来选择数据子集。在布尔索引中，我们使用布尔向量来过滤数据。

布尔索引是一种使用 DataFrame 中数据的实际值的索引。在布尔索引中，我们可以通过四种方式过滤数据——

• 使用布尔索引访问 DataFrame
• 将布尔掩码应用于数据帧
• 根据列值屏蔽数据
• 根据索引值屏蔽数据

使用布尔索引访问 DataFrame：
为了访问具有布尔索引的数据帧，我们必须创建一个数据帧，其中数据帧的索引包含一个布尔值，即“真”或“假”。例如

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
  
df = pd.DataFrame(dict, index = [True, False, True, False])
  
print(df)

输出：

现在我们已经创建了一个带有布尔索引的数据框，之后用户可以在布尔索引的帮助下访问数据框。用户可以使用 .loc[]、.iloc[]、.ix[] 三个函数访问数据帧

使用 .loc[] 访问具有布尔索引的数据框

为了使用 .loc[] 访问具有布尔索引的数据帧，我们只需在 .loc[]函数中传递一个布尔值（True 或 False）。

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
 
# creating a dataframe with boolean index
df = pd.DataFrame(dict, index = [True, False, True, False])
 
# accessing a dataframe using .loc[] function
print(df.loc[True])

输出：

使用 .iloc[] 访问具有布尔索引的数据框

为了使用 .iloc[] 访问数据帧，我们必须传递一个布尔值（True 或 False），但 iloc[]函数只接受整数作为参数，因此它会抛出错误，因此我们只能在我们访问数据帧时访问在 iloc[]函数中传递一个整数
代码#1：

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
 
# creating a dataframe with boolean index 
df = pd.DataFrame(dict, index = [True, False, True, False])
 
# accessing a dataframe using .iloc[] function
print(df.iloc[True])

输出：

TypeError

代码#2：

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
 
# creating a dataframe with boolean index 
df = pd.DataFrame(dict, index = [True, False, True, False])
  
 
# accessing a dataframe using .iloc[] function
print(df.iloc[1])

输出：

使用 .ix[] 访问具有布尔索引的数据框

为了使用 .ix[] 访问数据帧，我们必须将布尔值（True 或 False）和整数值传递给 .ix[]函数，因为我们知道 .ix[]函数是 .loc[] 的混合体和 .iloc[]函数。
代码#1：

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
 
# creating a dataframe with boolean index
df = pd.DataFrame(dict, index = [True, False, True, False])
  
 
# accessing a dataframe using .ix[] function
print(df.ix[True])

输出：

代码#2：

Python

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
 
# creating a dataframe with boolean index
df = pd.DataFrame(dict, index = [True, False, True, False])
  
 
# accessing a dataframe using .ix[] function
print(df.ix[1])

输出：

将布尔掩码应用于数据框：
在数据框中，我们可以应用布尔掩码来做到这一点，我们可以使用 __getitems__ 或 [] 访问器。我们可以通过给出与数据帧中包含的长度相同的 True 和 False 列表来应用布尔掩码。当我们应用布尔掩码时，它将仅打印我们传递布尔值 True 的数据帧。要下载“ nba1.1 ”CSV 文件，请单击此处。
代码#1：

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["MBA", "BCA", "M.Tech", "MBA"],
        'score':[90, 40, 80, 98]}
  
df = pd.DataFrame(dict, index = [0, 1, 2, 3])
  
 
 
print(df[[True, False, True, False]])

输出：

代码#2：

Python3

# importing pandas package
import pandas as pd
  
# making data frame from csv file
data = pd.read_csv("nba1.1.csv")
  
df = pd.DataFrame(data, index = [0, 1, 2, 3, 4, 5, 6,
                                 7, 8, 9, 10, 11, 12])
 
  
df[[True, False, True, False, True,
    False, True, False, True, False,
                True, False, True]]

输出：

根据列值屏蔽数据：
在数据框中，我们可以根据列值过滤数据以过滤数据，我们可以使用不同的运算符对数据框应用某些条件，例如 ==、>、<、<=、>=。当我们将这些运算符应用于数据帧时，它会产生一系列真假。要下载“nba.csv”CSV，请单击此处。
代码#1：

Python

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["BCA", "BCA", "M.Tech", "BCA"],
        'score':[90, 40, 80, 98]}
 
# creating a dataframe
df = pd.DataFrame(dict)
  
# using a comparison operator for filtering of data
print(df['degree'] == 'BCA')

输出：

代码#2：

Python

# importing pandas package
import pandas as pd
  
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
  
# using greater than operator for filtering of data
print(data['Age'] > 25)

输出：

根据索引值屏蔽数据：
在数据框中，我们可以根据列值过滤数据以过滤数据，我们可以使用 ==、>、< 等不同的运算符根据索引值创建掩码。要下载“ nba1.1 ”CSV 文件，请单击此处。
代码#1：

Python3

# importing pandas as pd
import pandas as pd
  
# dictionary of lists
dict = {'name':["aparna", "pankaj", "sudhir", "Geeku"],
        'degree': ["BCA", "BCA", "M.Tech", "BCA"],
        'score':[90, 40, 80, 98]}
  
 
df = pd.DataFrame(dict, index = [0, 1, 2, 3])
 
mask = df.index == 0
 
print(df[mask])

输出：

代码#2：

Python3

# importing pandas package
import pandas as pd
  
# making data frame from csv file
data = pd.read_csv("nba1.1.csv")
 
# giving a index to a dataframe
df = pd.DataFrame(data, index = [0, 1, 2, 3, 4, 5, 6,
                                 7, 8, 9, 10, 11, 12])
 
# filtering data on index value
mask = df.index > 7
 
df[mask]

输出：