pandas学习：第四天

Pandas 学习

import numpy as np
import pandas as pd

一、索引

1. 表的列索引

列索引，一般用[列名]或[列名组成的列表]从Dataframe中取出对应的列，单列为Series，多列则为一个新的Dataframe
若要取出单列，且列名中不包含空格，则可以用 .列名 取出，这和 [列名] 是等价的

2. 序列的行索引

如果取出单个索引的对应元素，则可以使用 [item] ，若 Series 只有单个值对应，则返回这个标量值，如果有多个值对应，则返回一个 Serie
然后把这些item改为整数，它的用法没有什么区别

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

3.loc索引器

对于表来讲，有两种索引器，一种是基于元素的loc，一种是基于位置的iloc

loc 索引器的一般形式是 loc[*, ] ，其中第一个 * 代表行的选择，第二个 * 代表列的选择，如果省略第二个位置写作 loc[] ，这个 * 是指行的筛选。其中， * 的位置一共有五类合法对象，分别是：单个元素、元素列表、元素切片、布尔列表以及函数

• * 为单个元素，元素列表
  如果选择多行多列，需要用列表的形式对所需要的行与列选择出来
• * 为切片
  如果 DataFrame 使用整数索引，其使用整数切片的时候和上面字符串索引的要求一致，都是 元素 切片，包含端点且起点、终点不允许有重复值。
  切片时是在dataframe所选的列自上而下的切
• * 为布尔列表
  在实际的数据处理中，根据条件来筛选行是极其常见的，此处传入 loc 的布尔列表与 DataFrame 长度相同，且列表为 True 的位置所对应的行会被选中， False 则会被剔除
  也可以通过 isin 方法返回的布尔列表等价,可以用来查询符合条件的数据
  对于复合条件而言，可以用 |（或）, &（且）, ~（取反） 的组合来实现
• * 为函数
  函数必须是以前面的四种合法形式之一为返回值，并且函数的输入值为 DataFrame 本身。假设仍然是上述复合条件筛选的例子，可以把逻辑写入一个函数中再返回
  支持使用 lambda 表达式，其返回值也同样必须是先前提到的四种形式之一
  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

df_demo.loc[lambda x: slice('Gaojuan You', 'Gaoqiang Qian')]

4. iloc索引器

iloc 的使用与 loc 完全类似，只不过是针对位置进行筛选，在相应的 * 位置处一共也有五类合法对象，分别是：整数、整数列表、整数切片、布尔列表以及函数，函数的返回值必须是前面的四类合法对象中的一个，其输入同样也为 DataFrame 本身
在使用布尔列表的时候要特别注意，不能传入 Series 而必须传入序列的 values ，否则会报错
对 Series 而言同样也可以通过 iloc 返回相应位置的值或子序列

5. query方法

支持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。在进行复杂索引时，由于这种检索方式无需像普通方法一样重复使用 DataFrame 的名字来引用列名，一般而言会使代码长度在不降低可读性的前提下有所减少
在query表达式中，可以使用Series的方法，与正常的函数调用没有什么区别
在 query 中还注册了若干英语的字面用法，帮助提高可读性，例如： or, and, or, is in, not in
在字符串中出现与列表的比较时， == 和 != 分别表示元素出现在列表和没有出现在列表，等价于 is in 和 not in
对于 query 中的字符串，如果要引用外部变量，只需在变量名前加 @ 符号

6. 随机抽样

如果把 DataFrame 的每一行看作一个样本，或把每一列看作一个特征，再把整个 DataFrame 看作总体，想要对样本或特征进行随机抽样就可以用 sample 函数
sample 函数中的主要参数为 n, axis, frac, replace, weights ，前三个分别是指抽样数量、抽样的方向（0为行、1为列）和抽样比例（0.3则为从总体中抽出30%的样本）。
replace 和 weights 分别是指是否放回和每个样本的抽样相对概率，当 replace = True 则表示有放回抽样

总结

加油，明天考试。