本文详细介绍了Pandas中的索引操作，包括表的列索引、行索引、loc和iloc索引器的使用，以及query方法和随机抽样。深入探讨了多级索引的创建、操作和查询，如IndexSlice对象的运用。同时涵盖了索引的常用方法，如索引层的交换、删除、属性修改以及设置与重置。文章通过实例展示了如何在数据分析中高效地利用Pandas的索引功能。
文章目录
1. 索引器
1.1 表的列索引
df[列名] ，返回值为Series，当列名不包含空格，可用 df.列名 取出
df[[列名组成的列表]] ，返回值为DataFrame
1.2 序列的行索引
-
以字符串为索引的Series
s[item]， 若单个值对应，则返回这个标量值，如果有多个值对应，则返回一个Seriess[[item的列表]]，返回一个Seriess[start: end: step]，如果是唯一值的起点和终点字符才可以使用切片，且包含两个端点；如果不唯一，需要排序后才可使用切片 -
以整数为索引的Series
s[int]，若单个值对应，则返回这个标量值，如果有多个值对应，则返回一个Seriess[[int的列表]]， 返回一个Seriess[start: end: step]，整数切片，两个索引不允许有重复值，取出对应索引位置的值，不包含右端点
1.3 loc索引器
df.loc[*, *] 基于元素的loc索引器，第一个*代表行的选择，第二个*代表列的选择，如果省略第二个，就是行筛选
*位置一共有五类合法对象，分别是：
df.loc[单个元素]- eg1：
df.loc['row_name']或df.loc['col_name']，如果该元素在索引中重复则结果为DataFrame，否则为Series - eg2：
df.loc['row_name', 'clo_name']，如果该元素在索引中重复则结果为Series，否则为单个元素
- eg1：
df.loc[元素列表]- eg1：
df.loc[['row_name1','row_name2',...],['clo_name1','clo_name2',...]]，取出列表中所有元素值对应的行或列
- eg1：
df.loc[元素切片]- eg1：
df.loc['row_namex':'row_namey', 'clo_namex':'clo_namey']，字符切片，如果是唯一值的起点和终点字符才可以使用切片，且包含两个端点 - eg2：
df.loc[3：5]，整数切片，如果是唯一值的起点和终点数字才可以使用切片，且包含两个端点
- eg1：
df.loc[布尔列表]- 传入
loc的布尔列表要与DataFrame长度相同 - eg1：
df.loc[df.clo_name > num] - eg2：
df.loc[df.col_name.isin(['name1','name2'])] - eg3：
df.loc[condition1 & condition2]，复合条件可用|（或）, &（且）, ~（取反）
- 传入
最低0.47元/天 解锁文章
扫一扫
9万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
