pandas - 02 - 索引 - part1

索引

单级索引

1.loc方法、iloc方法、[]操作符

loc方法

通过索引访问

（注意：所有在loc中使用的切片全部包含右端点！

单行索引

df.loc[1103]

返回第1103row

多行索引

df.loc[[1102,2304]]

返回第1102，2304row

df.loc[1304:].head()

返回从1304到最后一row

df.loc[2402::-1].head()

df行颠倒输出，从2404输出到第一行，步长为1

单列索引

df.loc[:,‘Height’].head()

返回df[‘Height’]的全部

多列索引

df.loc[:,[‘Height’,‘Math’]].head()

返回这两列

df.loc[:,‘Height’:‘Math’].head()

返回’Height’ 到’Math’的全部列，包括右端点

联合索引

df.loc[1102:2401:3,‘Height’:‘Math’].head()

1102到2401row，步长为3，即两个输出行之间隔2行

函数式索引

df.loc[lambda x:x[‘Gender’]==‘M’].head()

#loc中使用的函数，传入参数就是前面的df
使得x[‘Gender’]=='M’的x传入df

def f(x):

return [1101,1103]

df.loc[f]
返回1101 1103行

布尔索引

df.loc[df[‘Address’].isin([‘street_7’,‘street_4’])].head()

返回这样的行x，x[‘Address’]=s7或s4

df.loc[[True if i[-1]‘4’ or i[-1]‘7’ else False for i in df[‘Address’].values]].head()

df[‘Address’].values 返回的是array

for i in array, 则i是array里的每个值

i[-1]则是值i的最后一位

True if i[-1]==‘4’ or ‘7’, else False如果i最后一位是7或者4，则为True，反之为false，True就会被return

又因为是返回多行，所以两个[] []

本质上说，loc中能传入的只有布尔列表和索引子集构成的列表

iloc方法

通过行和列标访问

（注意与loc不同，切片右端点不包含）

单行索引

df.iloc[3]

返回第四行
如果index为数字，df.loc=df.iloc(仅单行和单列时

df.iloc[3:5]

返回3 4行，不包括右端点

单列索引

df.iloc[:,3].head()

返回第四列，这里还是没有区别

多列索引

df.iloc[:,7::-2].head()

从第8列开始倒着输出到第一，步长为2

混合索引

df.iloc[3::4,7::-2].head()

从第4行到最后，隔3行输出从第8列到第1列，每隔1列输出

函数式索引

df.iloc[lambda x:[3]].head()

为[3]的x传入df，df[3]

由上所述，iloc中接收的参数只能为整数或整数列表，不能使用布尔索引

[]操作符

如果不想陷入困境，请不要在行索引为浮点时使用[]操作符
因为在Series中的浮点[]并不是进行位置比较，而是值比较，非常特殊

Series的[]操作

单元素索引

####### s = pd.Series(df[‘Math’],index=df.index)
s[1101]
#使用的是索引标签
返回Series的index为1101的值

多行索引

####### s[0:4]
#使用的是绝对位置的整数切片，与元素无关，这里容易混淆
Series的第1-4行

函数索引

####### s[lambda x: x.index[16::-6]]
#注意使用lambda函数时，直接切片(如：s[lambda x: 16::-6])就报错
此时使用的不是绝对位置切片，而是元素切片，非常易错
有 Series x，使得x.index从17个到第一个为止，每隔5个index输出一次。将这样的Series传入s

布尔索引

####### s[s>80]
返回新的Series，其中包含所有值都是s中大于80的值

DataFrame的[]操作

单行索引

####### df[1:2]
f[]和df.loc,df.iloc一样，默认的index都是行索引
因此此处返回的是df的第二行

####### row = df.index.get_loc(1102)
df[row:row+1]
如果想要获得某一个元素，可用get_loc方法

多行索引

####### df[3:5]
用切片，如果是选取指定的某几行，推荐使用loc，否则很可能报错

单列索引

####### df[‘School’].head()

多列索引

####### df[[‘School’,‘Math’]].head()
和df.loc的多行索引一样，都需要加俩[][]

函数式索引

####### df[lambda x:[‘Math’,‘Physics’]].head()

布尔索引

####### df[df[‘Gender’]==‘F’].head()

一般来说，[]操作符常用于列选择或布尔选择，尽量避免行的选择

布尔索引

布尔符号：& - and, | - or, ~ - not 取反

df[(df[‘Gender’]‘F’)&(df[‘Address’]‘street_2’)].head()

df[(df[‘Math’]>85)|(df[‘Address’]==‘street_7’)].head()

df[~((df[‘Math’]>75)|(df[‘Address’]==‘street_1’))].head()

Math小于等于75并且Address不等于s1

df.loc[df[‘Math’]>60,(df[:8][‘Address’]==‘street_6’).values].head()#

如果不加values就会索引对齐发生错误，Pandas中的索引对齐是一个重要特征，很多时候非常使用

但是若不加以留意，就会埋下隐患

df.loc[]中有两个值，第一个为布尔列表，第二个为列表
布尔列表：Math>60，或者
前9行里Address=s1的array

isin方法

df[df[‘Address’].isin([‘street_1’,‘street_4’])&df[‘Physics’].isin([‘A’,‘A+’])]

如果只有内行df，则返回的类型是Series，df[Series]>>>DataFrame

#上面也可以用字典方式写：

df[df[[‘Address’,‘Physics’]].isin({‘Address’:[‘street_1’,‘street_4’],‘Physics’:[‘A’,‘A+’]}).all(1)]
#all与&的思路是类似的，其中的1代表按照跨列方向判断是否全为True

快速标量索引

当只需要取一个元素时，at和iat方法能够提供更快的实现

display(df.at[1101,‘School’])

display(df.loc[1101,‘School’])
display(df.iat[0,0])
display(df.iloc[0,0])

区间索引

利用interval_range方法

pd.interval_range(start=0,end=5)

#closed参数可选’left’‘right’‘both’‘neither’，默认左开右闭

pd.interval_range(start=0,periods=8,freq=5)

#periods参数控制区间个数，freq控制步长

利用cut将数值列转为区间为元素的分类变量

例如统计数学成绩的区间情况

math_interval = pd.cut(df[‘Math’],bins=[0,40,60,80,100])

#注意，如果没有类型转换，此时并不是区间类型，而是category类型
math_interval.head()

区间索引的选取

df_i = df.join(math_interval,rsuffix=’_interval’)[[‘Math’,‘Math_interval’]]\

        .reset_index().set_index('Math_interval')

df.join(新加Series), 参数rssufix: 从右框架覆盖列中使用后缀

因为Math_interval还是来源于df[Math’]的，所以算是overlapping吧

是rsuffix而不是lsuffix说明新加的Series在左而df在右

df[[’’,’’]]选取了df的这两列展示

reset_index()det_index(’ ') 把这个新的df的其中一列(暂时)设置成index，对原有df不产生影响

/.另起一行，是为了避免一行代码写太长，没有其他影响

df_i.loc[65].head()重新设置好index之后，用65进行新的index查找，会返回所有区间含有65这个数字的行

df_i.loc[[65,90]].head()

区间含有65或者90的行