Pandas 系列文章:


专栏:

NumPy 专栏】【Pandas 专栏】【Matplotlib 专栏

推荐学习资料与网站:

NumPy 中文网】【Pandas 中文网】【Matplotlib 中文网】【NumPy、Matplotlib、Pandas 速查表


1
2
3
4
5
这里是一段防爬虫文本,请读者忽略。
本文原创首发于 CSDN,作者 TRHX。
博客首页:https://itrhx.blog.csdn.net/
本文链接:https://itrhx.blog.csdn.net/article/details/106698307
未经授权,禁止转载!恶意转载,后果自负!尊重原创,远离剽窃!

【1】Index 索引对象

Series 和 DataFrame 中的索引都是 Index 对象,为了保证数据的安全,索引对象是不可变的,如果尝试更改索引就会报错;常见的 Index 种类有:索引(Index),整数索引(Int64Index),层级索引(MultiIndex),时间戳类型(DatetimeIndex)。

一下代码演示了 Index 索引对象和其不可变的性质:

1
2
3
4
5
6
7
8
9
10
11
12
13
>>> import pandas as pd
>>> obj = pd.Series([1, 5, -8, 2], index=['a', 'b', 'c', 'd'])
>>> obj.index
Index(['a', 'b', 'c', 'd'], dtype='object')
>>> type(obj.index)
<class 'pandas.core.indexes.base.Index'>
>>> obj.index[0] = 'e'
Traceback (most recent call last):
File "<pyshell#28>", line 1, in <module>
obj.index[0] = 'e'
File "C:\Users\...\base.py", line 3909, in __setitem__
raise TypeError("Index does not support mutable operations")
TypeError: Index does not support mutable operations
index 索引对象常用属性

官方文档:https://pandas.pydata.org/docs/reference/api/pandas.Index.html

属性 描述
T 转置
array index 的数组形式,常见官方文档
dtype 返回基础数据的 dtype 对象
hasnans 是否有 NaN(缺失值)
inferred_type 返回一个字符串,表示 index 的类型
is_monotonic 判断 index 是否是递增的
is_monotonic_decreasing 判断 index 是否单调递减
is_monotonic_increasing 判断 index 是否单调递增
is_unique index 是否没有重复值
nbytes 返回 index 中的字节数
ndim index 的维度
nlevels Number of levels.
shape 返回一个元组,表示 index 的形状
size index 的大小
values 返回 index 中的值 / 数组
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
>>> import pandas as pd
>>> obj = pd.Series([1, 5, -8, 2], index=['a', 'b', 'c', 'd'])
>>> obj.index
Index(['a', 'b', 'c', 'd'], dtype='object')
>>>
>>> obj.index.array
<PandasArray>
['a', 'b', 'c', 'd']
Length: 4, dtype: object
>>>
>>> obj.index.dtype
dtype('O')
>>>
>>> obj.index.hasnans
False
>>>
>>> obj.index.inferred_type
'string'
>>>
>>> obj.index.is_monotonic
True
>>>
>>> obj.index.is_monotonic_decreasing
False
>>>
>>> obj.index.is_monotonic_increasing
True
>>>
>>> obj.index.is_unique
True
>>>
>>> obj.index.nbytes
16
>>>
>>> obj.index.ndim
1
>>>
>>> obj.index.nlevels
1
>>>
>>> obj.index.shape
(4,)
>>>
>>> obj.index.size
4
>>>
>>> obj.index.values
array(['a', 'b', 'c', 'd'], dtype=object)
index 索引对象常用方法

官方文档:https://pandas.pydata.org/docs/reference/api/pandas.Index.html

方法 描述
all(self, *args, **kwargs) 判断所有元素是否为真,有 0 会被视为 False
any(self, *args, **kwargs) 判断是否至少有一个元素为真,均为 0 会被视为 False
append(self, other) 连接另一个 index,产生一个新的 index
argmax(self[, axis, skipna]) 返回 index 中最大值的索引值
argmin(self[, axis, skipna]) 返回 index 中最小值的索引值
argsort(self, *args, **kwargs) 对 index 从小到大排序,返回排序后的元素在原 index 中的索引值
delete(self, loc) 删除指定索引位置的元素,返回删除后的新 index
difference(self, other[, sort]) 在第一个 index 中删除第二个 index 中的元素,即差集
drop(self, labels[, errors]) 在原 index 中删除传入的值
drop_duplicates(self[, keep]) 删除重复值,keep 参数可选值如下:
‘first’:保留第一次出现的重复项;
‘last’:保留最后一次出现的重复项;
False:不保留重复项
duplicated(self[, keep]) 判断是否为重复值,keep 参数可选值如下:
‘first’:第一次重复的为 False,其他为 True;
‘last’:最后一次重复的为 False,其他为 True;
False:所有重复的均为 True
dropna(self[, how]) 删除缺失值,即 NaN
fillna(self[, value, downcast]) 用指定值填充缺失值,即 NaN
equals(self, other) 判断两个 index 是否相同
insert(self, loc, item) 将元素插入到指定索引处,返回新的 index
intersection(self, other[, sort]) 返回两个 index 的交集
isna(self) 检测 index 元素是否为缺失值,即 NaN
isnull(self) 检测 index 元素是否为缺失值,即 NaN
max(self[, axis, skipna]) 返回 index 的最大值
min(self[, axis, skipna]) 返回 index 的最小值
union(self, other[, sort]) 返回两个 index 的并集
unique(self[, level]) 返回 index 中的唯一值,相当于去除重复值
  • all(self, *args, **kwargs)官方文档

    1
    2
    3
    4
    5
    6
    >>> import pandas as pd
    >>> pd.Index([1, 2, 3]).all()
    True
    >>>
    >>> pd.Index([0, 1, 2]).all()
    False
  • any(self, *args, **kwargs)官方文档

1
2
3
4
5
6
>>> import pandas as pd
>>> pd.Index([0, 0, 1]).any()
True
>>>
>>> pd.Index([0, 0, 0]).any()
False
1
2
3
>>> import pandas as pd
>>> pd.Index(['a', 'b', 'c']).append(pd.Index([1, 2, 3]))
Index(['a', 'b', 'c', 1, 2, 3], dtype='object')
1
2
3
>>> import pandas as pd
>>> pd.Index([5, 2, 3, 9, 1]).argmax()
3
1
2
3
>>> import pandas as pd
>>> pd.Index([5, 2, 3, 9, 1]).argmin()
4
1
2
3
>>> import pandas as pd
>>> pd.Index([5, 2, 3, 9, 1]).argsort()
array([4, 1, 2, 0, 3], dtype=int32)
1
2
3
>>> import pandas as pd
>>> pd.Index([5, 2, 3, 9, 1]).delete(0)
Int64Index([2, 3, 9, 1], dtype='int64')
1
2
3
4
5
6
7
>>> import pandas as pd
>>> idx1 = pd.Index([2, 1, 3, 4])
>>> idx2 = pd.Index([3, 4, 5, 6])
>>> idx1.difference(idx2)
Int64Index([1, 2], dtype='int64')
>>> idx1.difference(idx2, sort=False)
Int64Index([2, 1], dtype='int64')
1
2
3
>>> import pandas as pd
>>> pd.Index([5, 2, 3, 9, 1]).drop([2, 1])
Int64Index([5, 3, 9], dtype='int64')
1
2
3
4
5
6
7
8
>>> import pandas as pd
>>> idx = pd.Index(['lama', 'cow', 'lama', 'beetle', 'lama', 'hippo'])
>>> idx.drop_duplicates(keep='first')
Index(['lama', 'cow', 'beetle', 'hippo'], dtype='object')
>>> idx.drop_duplicates(keep='last')
Index(['cow', 'beetle', 'lama', 'hippo'], dtype='object')
>>> idx.drop_duplicates(keep=False)
Index(['cow', 'beetle', 'hippo'], dtype='object')
1
2
3
4
5
6
7
8
9
10
>>> import pandas as pd
>>> idx = pd.Index(['lama', 'cow', 'lama', 'beetle', 'lama'])
>>> idx.duplicated()
array([False, False, True, False, True])
>>> idx.duplicated(keep='first')
array([False, False, True, False, True])
>>> idx.duplicated(keep='last')
array([ True, False, True, False, False])
>>> idx.duplicated(keep=False)
array([ True, False, True, False, True])
1
2
3
4
>>> import numpy as np
>>> import pandas as pd
>>> pd.Index([2, 5, np.NaN, 6, np.NaN, np.NaN]).dropna()
Float64Index([2.0, 5.0, 6.0], dtype='float64')
1
2
3
4
>>> import numpy as np
>>> import pandas as pd
>>> pd.Index([2, 5, np.NaN, 6, np.NaN, np.NaN]).fillna(5)
Float64Index([2.0, 5.0, 5.0, 6.0, 5.0, 5.0], dtype='float64')
1
2
3
4
5
6
7
8
9
10
>>> import pandas as pd
>>> idx1 = pd.Index([5, 2, 3, 9, 1])
>>> idx2 = pd.Index([5, 2, 3, 9, 1])
>>> idx1.equals(idx2)
True
>>>
>>> idx1 = pd.Index([5, 2, 3, 9, 1])
>>> idx2 = pd.Index([5, 2, 4, 9, 1])
>>> idx1.equals(idx2)
False
1
2
3
4
5
>>> import pandas as pd
>>> idx1 = pd.Index([1, 2, 3, 4])
>>> idx2 = pd.Index([3, 4, 5, 6])
>>> idx1.intersection(idx2)
Int64Index([3, 4], dtype='int64')
1
2
3
>>> import pandas as pd
>>> pd.Index([5, 2, 3, 9, 1]).insert(2, 'A')
Index([5, 2, 'A', 3, 9, 1], dtype='object')
1
2
3
4
5
6
>>> import numpy as np
>>> import pandas as pd
>>> pd.Index([2, 5, np.NaN, 6, np.NaN, np.NaN]).isna()
array([False, False, True, False, True, True])
>>> pd.Index([2, 5, np.NaN, 6, np.NaN, np.NaN]).isnull()
array([False, False, True, False, True, True])
1
2
3
4
5
>>> import pandas as pd
>>> pd.Index([5, 2, 3, 9, 1]).max()
9
>>> pd.Index([5, 2, 3, 9, 1]).min()
1
1
2
3
4
5
>>> import pandas as pd
>>> idx1 = pd.Index([1, 2, 3, 4])
>>> idx2 = pd.Index([3, 4, 5, 6])
>>> idx1.union(idx2)
Int64Index([1, 2, 3, 4, 5, 6], dtype='int64')
1
2
3
>>> import pandas as pd
>>> pd.Index([5, 1, 3, 5, 1]).unique()
Int64Index([5, 1, 3], dtype='int64')

【2】Pandas 一般索引

由于在 Pandas 中,由于有一些更高级的索引操作,比如重新索引,层级索引等,因此将一般的切片索引、花式索引、布尔索引等归纳为一般索引。

【2.1】Series 索引

【2.1.1】head() / tail()

Series.head()Series.tail() 方法可以获取的前五行和后五行数据,如果向 head() / tail() 里面传入参数,则会获取指定行:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
>>> import pandas as pd
>>> import numpy as np
>>> obj = pd.Series(np.random.randn(8))
>>> obj
0 -0.643437
1 -0.365652
2 -0.966554
3 -0.036127
4 1.046095
5 -2.048362
6 -1.865551
7 1.344728
dtype: float64
>>>
>>> obj.head()
0 -0.643437
1 -0.365652
2 -0.966554
3 -0.036127
4 1.046095
dtype: float64
>>>
>>> obj.head(3)
0 -0.643437
1 -0.365652
2 -0.966554
dtype: float64
>>>
>>> obj.tail()
3 1.221221
4 -1.373496
5 1.032843
6 0.029734
7 -1.861485
dtype: float64
>>>
>>> obj.tail(3)
5 1.032843
6 0.029734
7 -1.861485
dtype: float64

【2.1.2】行索引

Pandas 中可以按照位置进行索引,也可以按照索引名(index)进行索引,也可以用 Python 字典的表达式和方法来获取值:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
>>> import pandas as pd
>>> obj = pd.Series([1, 5, -8, 2], index=['a', 'b', 'c', 'd'])
>>> obj
a 1
b 5
c -8
d 2
dtype: int64
>>> obj['c']
-8
>>> obj[2]
-8
>>> 'b' in obj
True
>>> obj.keys()
Index(['a', 'b', 'c', 'd'], dtype='object')
>>> list(obj.items())
[('a', 1), ('b', 5), ('c', -8), ('d', 2)]

【2.1.3】切片索引

切片的方法有两种:按位置切片和按索引名(index)切片,注意:按位置切片时,不包含终止索引;按索引名(index)切片时,包含终止索引。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
>>> import pandas as pd
>>> obj = pd.Series([1, 5, -8, 2], index=['a', 'b', 'c', 'd'])
>>> obj
a 1
b 5
c -8
d 2
dtype: int64
>>>
>>> obj[1:3]
b 5
c -8
dtype: int64
>>>
>>> obj[0:3:2]
a 1
c -8
dtype: int64
>>>
>>> obj['b':'d']
b 5
c -8
d 2
dtype: int64

【2.1.4】花式索引

所谓的花式索引,就是间隔索引、不连续的索引,传递一个由索引名(index)或者位置参数组成的列表来一次性获得多个元素:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
>>> import pandas as pd
>>> obj = pd.Series([1, 5, -8, 2], index=['a', 'b', 'c', 'd'])
>>> obj
a 1
b 5
c -8
d 2
dtype: int64
>>>
>>> obj[[0, 2]]
a 1
c -8
dtype: int64
>>>
>>> obj[['a', 'c', 'd']]
a 1
c -8
d 2
dtype: int64

【2.1.5】布尔索引

可以通过一个布尔数组来索引目标数组,即通过布尔运算(如:比较运算符)来获取符合指定条件的元素的数组。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
>>> import pandas as pd
>>> obj = pd.Series([1, 5, -8, 2, -3], index=['a', 'b', 'c', 'd', 'e'])
>>> obj
a 1
b 5
c -8
d 2
e -3
dtype: int64
>>>
>>> obj[obj > 0]
a 1
b 5
d 2
dtype: int64
>>>
>>> obj > 0
a True
b True
c False
d True
e False
dtype: bool

【2.2】DataFrame 索引

【2.2.1】head() / tail()

和 Series 一样,DataFrame.head()DataFrame.tail() 方法同样可以获取 DataFrame 的前五行和后五行数据,如果向 head() / tail() 里面传入参数,则会获取指定行:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
>>> import pandas as pd
>>> import numpy as np
>>> obj = pd.DataFrame(np.random.randn(8,4), columns = ['a', 'b', 'c', 'd'])
>>> obj
a b c d
0 -1.399390 0.521596 -0.869613 0.506621
1 -0.748562 -0.364952 0.188399 -1.402566
2 1.378776 -1.476480 0.361635 0.451134
3 -0.206405 -1.188609 3.002599 0.563650
4 0.993289 1.133748 1.177549 -2.562286
5 -0.482157 1.069293 1.143983 -1.303079
6 -1.199154 0.220360 0.801838 -0.104533
7 -1.359816 -2.092035 2.003530 -0.151812
>>>
>>> obj.head()
a b c d
0 -1.399390 0.521596 -0.869613 0.506621
1 -0.748562 -0.364952 0.188399 -1.402566
2 1.378776 -1.476480 0.361635 0.451134
3 -0.206405 -1.188609 3.002599 0.563650
4 0.993289 1.133748 1.177549 -2.562286
>>>
>>> obj.head(3)
a b c d
0 -1.399390 0.521596 -0.869613 0.506621
1 -0.748562 -0.364952 0.188399 -1.402566
2 1.378776 -1.476480 0.361635 0.451134
>>>
>>> obj.tail()
a b c d
3 -0.206405 -1.188609 3.002599 0.563650
4 0.993289 1.133748 1.177549 -2.562286
5 -0.482157 1.069293 1.143983 -1.303079
6 -1.199154 0.220360 0.801838 -0.104533
7 -1.359816 -2.092035 2.003530 -0.151812
>>>
>>> obj.tail(3)
a b c d
5 -0.482157 1.069293 1.143983 -1.303079
6 -1.199154 0.220360 0.801838 -0.104533
7 -1.359816 -2.092035 2.003530 -0.151812

【2.2.2】列索引

DataFrame 可以按照列标签(columns)来进行列索引:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
>>> import pandas as pd
>>> import numpy as np
>>> obj = pd.DataFrame(np.random.randn(7,2), columns = ['a', 'b'])
>>> obj
a b
0 -1.198795 0.928378
1 -2.878230 0.014650
2 2.267475 0.370952
3 0.639340 -1.301041
4 -1.953444 0.148934
5 -0.445225 0.459632
6 0.097109 -2.592833
>>>
>>> obj['a']
0 -1.198795
1 -2.878230
2 2.267475
3 0.639340
4 -1.953444
5 -0.445225
6 0.097109
Name: a, dtype: float64
>>>
>>> obj[['a']]
a
0 -1.198795
1 -2.878230
2 2.267475
3 0.639340
4 -1.953444
5 -0.445225
6 0.097109
>>>
>>> type(obj['a'])
<class 'pandas.core.series.Series'>
>>> type(obj[['a']])
<class 'pandas.core.frame.DataFrame'>

【2.2.3】切片索引

DataFrame 中的切片索引是针对行来操作的,切片的方法有两种:按位置切片和按索引名(index)切片,注意:按位置切片时,不包含终止索引;按索引名(index)切片时,包含终止索引。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
>>> import pandas as pd
>>> import numpy as np
>>> data = np.random.randn(5,4)
>>> index = ['I1', 'I2', 'I3', 'I4', 'I5']
>>> columns = ['a', 'b', 'c', 'd']
>>> obj = pd.DataFrame(data, index, columns)
>>> obj
a b c d
I1 0.828676 -1.663337 1.753632 1.432487
I2 0.368138 0.222166 0.902764 -1.436186
I3 2.285615 -2.415175 -1.344456 -0.502214
I4 3.224288 -0.500268 1.293596 -1.235549
I5 -0.938833 -0.804433 -0.170047 -0.566766
>>>
>>> obj[0:3]
a b c d
I1 0.828676 -1.663337 1.753632 1.432487
I2 0.368138 0.222166 0.902764 -1.436186
I3 2.285615 -2.415175 -1.344456 -0.502214
>>>
>>> obj[0:4:2]
a b c d
I1 -0.042168 1.437354 -1.114545 0.830790
I3 0.241506 0.018984 -0.499151 -1.190143
>>>
>>> obj['I2':'I4']
a b c d
I2 0.368138 0.222166 0.902764 -1.436186
I3 2.285615 -2.415175 -1.344456 -0.502214
I4 3.224288 -0.500268 1.293596 -1.235549

【2.2.4】花式索引

和 Series 一样,所谓的花式索引,就是间隔索引、不连续的索引,传递一个由列名(columns)组成的列表来一次性获得多列元素:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
>>> import pandas as pd
>>> import numpy as np
>>> data = np.random.randn(5,4)
>>> index = ['I1', 'I2', 'I3', 'I4', 'I5']
>>> columns = ['a', 'b', 'c', 'd']
>>> obj = pd.DataFrame(data, index, columns)
>>> obj
a b c d
I1 -1.083223 -0.182874 -0.348460 -1.572120
I2 -0.205206 -0.251931 1.180131 0.847720
I3 -0.980379 0.325553 -0.847566 -0.882343
I4 -0.638228 -0.282882 -0.624997 -0.245980
I5 -0.229769 1.002930 -0.226715 -0.916591
>>>
>>> obj[['a', 'd']]
a d
I1 -1.083223 -1.572120
I2 -0.205206 0.847720
I3 -0.980379 -0.882343
I4 -0.638228 -0.245980
I5 -0.229769 -0.916591

【2.2.5】布尔索引

可以通过一个布尔数组来索引目标数组,即通过布尔运算(如:比较运算符)来获取符合指定条件的元素的数组。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
>>> import pandas as pd
>>> import numpy as np
>>> data = np.random.randn(5,4)
>>> index = ['I1', 'I2', 'I3', 'I4', 'I5']
>>> columns = ['a', 'b', 'c', 'd']
>>> obj = pd.DataFrame(data, index, columns)
>>> obj
a b c d
I1 -0.602984 -0.135716 0.999689 -0.339786
I2 0.911130 -0.092485 -0.914074 -0.279588
I3 0.849606 -0.420055 -1.240389 -0.179297
I4 0.249986 -1.250668 0.329416 -1.105774
I5 -0.743816 0.430647 -0.058126 -0.337319
>>>
>>> obj[obj > 0]
a b c d
I1 NaN NaN 0.999689 NaN
I2 0.911130 NaN NaN NaN
I3 0.849606 NaN NaN NaN
I4 0.249986 NaN 0.329416 NaN
I5 NaN 0.430647 NaN NaN
>>>
>>> obj > 0
a b c d
I1 False False True False
I2 True False False False
I3 True False False False
I4 True False True False
I5 False True False False

1
2
3
4
5
这里是一段防爬虫文本,请读者忽略。
本文原创首发于 CSDN,作者 TRHX。
博客首页:https://itrhx.blog.csdn.net/
本文链接:https://itrhx.blog.csdn.net/article/details/106698307
未经授权,禁止转载!恶意转载,后果自负!尊重原创,远离剽窃!

【3】索引器:loc 和 iloc

loc 是标签索引、iloc 是位置索引,注意:在 Pandas1.0.0 之前还有 ix 方法(即可按标签也可按位置索引),在 Pandas1.0.0 之后已被移除。

【3.1】loc 标签索引

loc 标签索引,即根据 index 和 columns 来选择数据。

【3.1.1】Series.loc

在 Series 中,允许输入:

  • 单个标签,例如 5'a',(注意,5 是 index 的名称,而不是位置索引);
  • 标签列表或数组,例如 ['a', 'b', 'c']
  • 带有标签的切片对象,例如 'a':'f'

官方文档:https://pandas.pydata.org/docs/reference/api/pandas.Series.loc.html

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
>>> import pandas as np
>>> obj = pd.Series([1, 5, -8, 2], index=['a', 'b', 'c', 'd'])
>>> obj
a 1
b 5
c -8
d 2
dtype: int64
>>>
>>> obj.loc['a']
1
>>>
>>> obj.loc['a':'c']
a 1
b 5
c -8
dtype: int64
>>>
>>> obj.loc[['a', 'd']]
a 1
d 2
dtype: int64

【3.1.2】DataFrame.loc

在 DataFrame 中,第一个参数索引,第二个参数是索引,允许输入的格式和 Series 大同小异。

官方文档:https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.loc.html

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
>>> import pandas as pd
>>> obj = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]], index=['a', 'b', 'c'], columns=['A', 'B', 'C'])
>>> obj
A B C
a 1 2 3
b 4 5 6
c 7 8 9
>>>
>>> obj.loc['a']
A 1
B 2
C 3
Name: a, dtype: int64
>>>
>>> obj.loc['a':'c']
A B C
a 1 2 3
b 4 5 6
c 7 8 9
>>>
>>> obj.loc[['a', 'c']]
A B C
a 1 2 3
c 7 8 9
>>>
>>> obj.loc['b', 'B']
5
>>> obj.loc['b', 'A':'C']
A 4
B 5
C 6
Name: b, dtype: int64

【3.2】iloc 位置索引

作用和 loc 一样,不过是基于索引的编号来索引,即根据 index 和 columns 的位置编号来选择数据。

【3.2.1】Series.iloc

官方文档:https://pandas.pydata.org/docs/reference/api/pandas.Series.iloc.html

在 Series 中,允许输入:

  • 整数,例如 5
  • 整数列表或数组,例如 [4, 3, 0]
  • 具有整数的切片对象,例如 1:7
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
>>> import pandas as np
>>> obj = pd.Series([1, 5, -8, 2], index=['a', 'b', 'c', 'd'])
>>> obj
a 1
b 5
c -8
d 2
dtype: int64
>>>
>>> obj.iloc[1]
5
>>>
>>> obj.iloc[0:2]
a 1
b 5
dtype: int64
>>>
>>> obj.iloc[[0, 1, 3]]
a 1
b 5
d 2
dtype: int64

【3.2.2】DataFrame.iloc

官方文档:https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.iloc.html

在 DataFrame 中,第一个参数索引,第二个参数是索引,允许输入的格式和 Series 大同小异:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
>>> import pandas as pd
>>> obj = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]], index=['a', 'b', 'c'], columns=['A', 'B', 'C'])
>>> obj
A B C
a 1 2 3
b 4 5 6
c 7 8 9
>>>
>>> obj.iloc[1]
A 4
B 5
C 6
Name: b, dtype: int64
>>>
>>> obj.iloc[0:2]
A B C
a 1 2 3
b 4 5 6
>>>
>>> obj.iloc[[0, 2]]
A B C
a 1 2 3
c 7 8 9
>>>
>>> obj.iloc[1, 2]
6
>>>
>>> obj.iloc[1, 0:2]
A 4
B 5
Name: b, dtype: int64

【4】Pandas 重新索引

Pandas 对象的一个重要方法是 reindex,其作用是创建一个新对象,它的数据符合新的索引。以 DataFrame.reindex 为例(Series 类似),基本语法如下:

DataFrame.reindex(self, labels=None, index=None, columns=None, axis=None, method=None, copy=True, level=None, fill_value=nan, limit=None, tolerance=None)

部分参数描述如下:(完整参数解释参见官方文档

参数 描述
index 用作索引的新序列,既可以是 index 实例,也可以是其他序列型的 Python 数据结构
method 插值(填充)方式,取值如下:
None:不填补空白;
pad / ffill:将上一个有效的观测值向前传播到下一个有效的观测值;
backfill / bfill:使用下一个有效观察值来填补空白;
nearest:使用最近的有效观测值来填补空白。
fill_value 在重新索引的过程中,需要引入缺失值时使用的替代值
limit 前向或后向填充时的最大填充量
tolerance 向前或向后填充时,填充不准确匹配项的最大间距(绝对值距离)
level 在 Multilndex 的指定级别上匹配简单索引,否则选其子集
copy 默认为 True,无论如何都复制;如果为 False,则新旧相等就不复制

reindex 将会根据新索引进行重排。如果某个索引值当前不存在,就引入缺失值:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
>>> import pandas as pd
>>> obj = pd.Series([4.5, 7.2, -5.3, 3.6], index=['d', 'b', 'a', 'c'])
>>> obj
d 4.5
b 7.2
a -5.3
c 3.6
dtype: float64
>>>
>>> obj2 = obj.reindex(['a', 'b', 'c', 'd', 'e'])
>>> obj2
a -5.3
b 7.2
c 3.6
d 4.5
e NaN
dtype: float64

对于时间序列这样的有序数据,重新索引时可能需要做一些插值处理。method 选项即可达到此目的,例如,使用 ffill 可以实现前向值填充:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
>>> import pandas as pd
>>> obj = pd.Series(['blue', 'purple', 'yellow'], index=[0, 2, 4])
>>> obj
0 blue
2 purple
4 yellow
dtype: object
>>>
>>> obj2 = obj.reindex(range(6), method='ffill')
>>> obj2
0 blue
1 blue
2 purple
3 purple
4 yellow
5 yellow
dtype: object

借助 DataFrame,reindex可以修改(行)索引和列。只传递一个序列时,会重新索引结果的行:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
>>> import pandas as pd
>>> import numpy as np
>>> obj = pd.DataFrame(np.arange(9).reshape((3, 3)), index=['a', 'c', 'd'], columns=['Ohio', 'Texas', 'California'])
>>> obj
Ohio Texas California
a 0 1 2
c 3 4 5
d 6 7 8
>>>
>>> obj2 = obj.reindex(['a', 'b', 'c', 'd'])
>>> obj2
Ohio Texas California
a 0.0 1.0 2.0
b NaN NaN NaN
c 3.0 4.0 5.0
d 6.0 7.0 8.0

列可以用 columns 关键字重新索引:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
>>> import pandas as pd
>>> import numpy as np
>>> obj = pd.DataFrame(np.arange(9).reshape((3, 3)), index=['a', 'c', 'd'], columns=['Ohio', 'Texas', 'California'])
>>> obj
Ohio Texas California
a 0 1 2
c 3 4 5
d 6 7 8
>>>
>>> states = ['Texas', 'Utah', 'California']
>>> obj.reindex(columns=states)
Texas Utah California
a 1 NaN 2
c 4 NaN 5
d 7 NaN 8

1
2
3
4
5
这里是一段防爬虫文本,请读者忽略。
本文原创首发于 CSDN,作者 TRHX。
博客首页:https://itrhx.blog.csdn.net/
本文链接:https://itrhx.blog.csdn.net/article/details/106698307
未经授权,禁止转载!恶意转载,后果自负!尊重原创,远离剽窃!


您的喜欢是作者写作最大的动力!❤️
  • PayPal
  • AliPay
  • WeChatPay
  • QQPay
Donate

 评论


Copyright 2018-2020 TRHX'S BLOG ICP 鄂ICP备19003281号-4MOE ICP 萌ICP备20202022号 正在载入... 百度统计

UV
PV
WordCount299.2k