📌  相关文章
📜  用Pandas建立索引并选择数据

📅  最后修改于: 2020-04-20 00:48:19             🧑  作者: Mango

在Pandas中建立索引：在Pandas中建立索引意味着仅从DataFrame中选择特定的数据行和数据列。索引编制可能意味着选择所有行和某些列，某些行和所有列，或每个行和列中的一些。索引编制也称为子集选择。


让我们看一些在Pandas中建立索引的示例。在本文中，我们使用“ nba.csv“文件下载CSV，请单击此处。

选择一些行和一些列

让我们以包含一些虚假数据的DataFrame为例，现在我们对该DataFrame执行索引。在此，我们从DataFrame中选择一些行和一些列。具有数据集的DataFrame：

假设我们要选择列Age，College和Salary，同时满足行的值为Amir Johnson和Terry Rozier



我们最后的数据帧应该是这样的：


选择一些行和所有列

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



我们最终的DataFrame如下所示：


选择一些列和所有行

假设我们要选择“Age”，“Height”和“Salary”列以及数据框中的所有行。



我们最终的DataFrame如下所示：


pandas采用索引[ ]，，， .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，可帮助从DataFrame中获取元素。这些索引方法看起来非常相似，但是行为却截然不同。Pandas支持四种类型的多轴索引：

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

它们统称为索引器。到目前为止，这些是索引数据的最常用方法。这四个功能有助于从DataFrame中获取元素，行和列。

使用索引运算[]
符为数据框建立索引：索引运算符用于引用对象后面的方括号。该.loc和.iloc索引也使用索引操作符来进行选择。在此索引运算符中引用df []。

选择单列

为了选择单个列，我们只需将列的名称放在方括号之间

# importing pandas package
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving columns by indexing operator
first = data["Age"]
print(first)

输出：


为了选择多个列，我们必须在索引运算符中传递一个列列表。

# importing pandas package
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving multiple columns by indexing operator
first = data[["Age", "College", "Salary"]]
first

输出：



使用.loc[ ]：为DataFrame编制索引。

此函数通过行和列的标签选择数据。该df.loc索引中选择不仅仅是索引操作方式不同的数据。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

为了使用来选择单行.loc[]，我们在.loc函数中放置了单行标签。

# importing pandas package
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving row by loc method
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列表中，并将其传递给.loc函数。

import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving multiple rows by loc method
first = data.loc[["Avery Bradley", "R.J. Hunter"]]
print(first)

输出：

为了选择两行三列，我们选择要选择的两行和三列，然后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
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving two rows and three columns by loc method
first = data.loc[["Avery Bradley", "R.J. Hunter"],
                   ["Team", "Number", "Position"]]
print(first)

输出：


为了选择所有行和某些列，我们使用单冒号[：]选择所有行和要选择的某些列的列表，如下所示：

Dataframe.loc [[:, [“ column1"，“ column2"，“ column3"]]
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving all rows and some columns by loc method
first = data.loc[:, ["Team", "Number", "Position"]]
print(first)

输出：



使用.iloc[ ]以下方法为DataFrame编制索引：
此函数使我们可以按位置检索行和列。为此，我们需要指定所需行的位置以及所需列的位置。该df.iloc 索引是非常相似的df.loc ，但只使用整数位置做出选择。

选择单行

为了使用来选择单行.iloc[]，我们可以将一个整数传递给.iloc[]函数。

import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving rows by iloc method
row2 = data.iloc[3]
print(row2)

输出：


为了选择多行，我们可以传递一个整数列表来.iloc[]起作用。
输出：


为了选择两行两列，我们为行创建一个2整数的列表，为列创建2整数的列表，然后传递给一个.iloc[]函数。

import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving two rows and two columns by iloc method
row2 = data.iloc [[3, 4], [1, 2]]
print(row2)

输出：


为了选择所有行和某些列，我们使用单冒号[：]选择所有行，对于列，我们创建一个整数列表，然后传递给.iloc[]函数。

import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving all rows and some columns by iloc method
row2 = data.iloc [:, [1, 2]]
print(row2)

输出：



使用Dataframe.ix []为  编制索引：
在开发大pandas的早期，存在另一个索引器ix。该索引器能够通过标签和整数位置进行选择。尽管它用途广泛，但由于不明确，引起了很多混乱。有时，整数也可以作为行或列的标签。因此，在某些情况下它是模棱两可的。通常，ix它基于标签，并且充当.loc索引器。但是，.ix还支持整数类型选择(如.iloc中一样)，该选择中传递了整数。其中，数据帧的指数是不是整数基于这只能.ix将接受任何的输入.loc和.iloc。
注：该.IX 最近版本的Pandas不推荐使用indexer。

 

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，则此函数的作用类似于.loc []。

# importing pandas package
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving row by ix method
first = data.ix["Avery Bradley"]
print(first)

输出：


为了选择单行，我们可以传递一个整数给.ix[]函数。如果我们在.ix[]函数中传递整数，则该函数类似于iloc [] 函数。

# importing pandas package
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving row by ix method
first = data.ix[1]
print(first)

输出：


在DataFrame中建立索引的方法

函数 描述
Dataframe.head() 返回 n数据框的顶部行。
Dataframe.tail() 返回n数据框的底部行。
Dataframe.at [] 访问行/列标签对的单个值。
Dataframe.iat [] 通过整数位置访问行/列对的单个值。
Dataframe.tail() 基于位置的纯基于整数位置的索引。
DataFrame.lookup() DataFrame的基于标签的“花式索引”功能。
DataFrame.pop() 返回项目并从框架中放下。
DataFrame.xs() 从DataFrame返回横截面(行或列)。
DataFrame.get() 从对象获取给定键(DataFrame列，Panel slice等)的项目。
DataFrame.isin() 返回布尔值DataFrame，显示值中是否包含DataFrame中的每个元素。
DataFrame.where() 返回与self形状相同的对象，并且其对应的条目来自cond为True的self，否则来自其他对象。
DataFrame.mask() 返回与self形状相同的对象，其对应的条目来自cond为False的self，否则来自其他对象。
DataFrame.query() 使用布尔表达式查询框架的列。
DataFrame.insert() 将列插入到DataFrame中的指定位置。