Pandas索引与筛选-优快云博客

本文链接：https://blog.youkuaiyun.com/DMax13/article/details/111568816

索引器

列索引（for表）

【df[‘col1’]】 == 【df.列名】#（列名中不包含空格）：取相应列
【df[[‘col1’, ‘col2’]]】#：取多列组成DataFrame

行索引（for序列）

以字符串为索引的Series
以整数位索引的Series

补充说明：
如果不想陷入麻烦，请不要把纯浮点以及任何混合类型（字符串、整数、浮点类型等的混合）作为索引，否则可能会在具体的操作时报错或者返回非预期的结果

loc 索引

基于元素的 loc 索引器，基于位置的 iloc 索引器

loc[‘行名’, ‘列名’]
loc[,]的位置：单个元素、元素列表、元素切片、布尔列表、函数

[[‘行名1’,‘行名2’],[‘列名1’,‘列名2’]]【返回2行属性2列属性】
[‘行名1’:‘行名2’,‘列名1’:‘列名2’]【返回行1到行2列1到列2矩阵】

Series 使用字符串索引提过
如果是唯一值的起点和终点字符，那么就可以使用切片，并且包含两个端点。
如果不唯一则报错。

DataFrame 使用整数索引
使用整数切片的时字符串索引的要求一致。
是元素切片，【包含端点】且起点、终点不允许有重复值。
传入 loc 的布尔列表与 DataFrame 长度相同
列表为 True 的位置所对应的行会被选中，False 则会被剔除

传入元素列表可通过 isin 方法返回的布尔列表等价写出.【isin()】接收一个列表，判断该列中元素是否在列表中，同时对多个列过滤
df[df[某列].isin(条件)&df[某列].isin(条件)]

# 选出所有大一和大四的同学信息
df_demo.loc[df_demo.Grade.isin(['Freshman', 'Senior'])].head()
# 选出【Grade】列中'Freshman'和'Senior'的所有信息

用函数进行切片操作
由于函数无法返回如 start: end: step 的切片形式
故返回切片时要用 slice 对象进行包装

布尔筛选优先考虑 loc
在使用布尔列表的时
不能传入 Series 而必须传入序列的 values ，否则会报错。
因此，在使用布尔筛选的时候还是应当优先考虑 loc 的方式。

query 方法（query询问）
把字符串形式的查询表达式传入 query 方法来查询数据，其表达式的执行结果必须返回布尔列表,会使代码长度在不降低可读性的前提下有所减少

IndexSlice 对象（对索引切片）

前面方法只能对元组整体进行切片，不能对每层进行切片，也不能将切片和布尔列表混合使用。
引入 IndexSlice 对象就能解决这个问题
【Slice】对象一共有两种形式，
第一种为 loc[idx[,]] 型，
第二种为 loc[idx[,],idx[,]] 型

练习题

df = pd.read_csv('data/company.csv')
req=['Dairy', 'Bakery']
df.query("(age <= 40)&(department == @req)&(gender=='M')").head(3)

df.loc[(df.age<=40)&df.department.isin(req)&(df.gender=='M')].head(3)

123
2.

df.iloc[(df.EmployeeID%2==1).values,[0,2,-2]].head()#loc索引位置

12
3.

df_op = df.copy()
# 后三列设为索引后交换内外两层
df_op = df_op.set_index(df_op.columns[-3:].tolist()).swaplevel(0,2,axis=0)
# 恢复中间一层
df_op = df_op.reset_index(level=1)
# 修改外层索引名为 Gender
df_op = df_op.rename_axis(index={'gender':'Gender'})
# 用下划线合并两层行索引
df_op.index = df_op.index.map(lambda x:'_'.join(x))
df_op.index = df_op.index.map(lambda x:tuple(x.split('_')))
# 修改索引名为原表名称
df_op = df_op.rename_axis(index=['gender', 'department'])
# 恢复默认索引并将列保持为原表的相对位置
df_op = df_op.reset_index().reindex(df.columns, axis=1)
print(df_op.equals(df))

idx = pd.IndexSlice
exclude = ['France', 'Canada', 'Amsterdam', 'Belgium']
# 设置索引
res = df.set_index(['Review Date', 'Company Location']).sort_index(level=0)	 	
res.loc[idx[2012:,~res.index.get_level_values(1).isin(exclude)],:].head(3)