3.3 数据取值与选择

3.3 数据取值与选择

Series

将Series看作字典

 

import pandas as pd

data = pd.Series([0.25, 0.5, 0.75, 1], index=['a', 'b', 'c', 'd'])

data

a    0.25
b    0.50
c    0.75
d    1.00
dtype: float64

 

# 键引用

data['b']

0.5

 

'a' in data

True

 

data.keys()

Index(['a', 'b', 'c', 'd'], dtype='object')

 

list(data.items())

[('a', 0.25), ('b', 0.5), ('c', 0.75), ('d', 1.0)]

 

# 用字典方式添加新数据元素

data['e'] = 1.25

data

a    0.25
b    0.50
c    0.75
d    1.00
e    1.25
dtype: float64

将Series看作一维数组

 

# 将显式索引作为切片，最后的索引也会切片进来

data['a':'c']

a    0.25
b    0.50
c    0.75
dtype: float64

 

# 将隐式整数索引作为切片

data[0:2]

a    0.25
b    0.50
dtype: float64

 

# 掩码

data[(data > 0.3) & (data < 0.8)]

b    0.50
c    0.75
dtype: float64

 

# 花哨的索引

data[['a', 'e']]

a    0.25
e    1.25
dtype: float64

将显式索引作为切片，最后的索引也会切片进来。如果显式的索引本身也是数字，就会和隐式数字索引混淆，因此有索引器方法。

 

data = pd.Series(['a', 'b', 'c'], index=[1, 3, 5])

data

1    a
3    b
5    c
dtype: object

 

# 取值操作是显式索引

data[1]

'a'

 

# 切片操作是隐式索引，左闭右开的python式

data[1:3]

3    b
5    c
dtype: object

 

# 索引器1 loc属性，取值和切片都是显式

data.loc[1]

'a'

 

data.loc[1:3]

1    a
3    b
dtype: object

 

# 索引器2 iloc属性，取值和切片都是隐式，左闭右开的python式

data.iloc[1]

'b'

 

data.iloc[1:3]

3    b
5    c
dtype: object

DataFrame

将DF看作字典，由若干Series对象构成的字典

 

area_dict = {'e': 50, 'b': 46, 'c': 66, 'd': 211}

area = pd.Series(area_dict)

popu_dict={'e': 6622, 'b': 5644, 'c': 9022, 'd': 1222111}

popu = pd.Series(popu_dict)

data = pd.DataFrame({'area': area, 'popu': popu})

data

	area	popu
e	50	6622
b	46	5644
c	66	9022
d	211	1222111

 

# 两个Series分别构成DF的一列

# 可用列名进行字典式取值获取数据

data['area']

e     50
b     46
c     66
d    211
Name: area, dtype: int64

 

# 也可用属性形式选择纯字符串列名的数据

data.area

e     50
b     46
c     66
d    211
Name: area, dtype: int64

 

# 两种方式结果相同

data.area is data['area']

True

属性方式的局限性：列名不是字符串，或列名与内置属性相同，则不能用

 

# 可用字典形式的语法调整对象，如添加一列

data['density'] = data['popu']/data['area']

data

	area	popu	density
e	50	6622	132.440000
b	46	5644	122.695652
c	66	9022	136.696970
d	211	1222111	5791.995261

将DF看作二维数组

 

# 用value属性查看数据

data.values

array([[5.00000000e+01, 6.62200000e+03, 1.32440000e+02],
       [4.60000000e+01, 5.64400000e+03, 1.22695652e+02],
       [6.60000000e+01, 9.02200000e+03, 1.36696970e+02],
       [2.11000000e+02, 1.22211100e+06, 5.79199526e+03]])

 

# 获得行列转置

data.T

	e	b	c	d
area	50.00	46.000000	66.00000	2.110000e+02
popu	6622.00	5644.000000	9022.00000	1.222111e+06
density	132.44	122.695652	136.69697	5.791995e+03

 

data

	area	popu	density
e	50	6622	132.440000
b	46	5644	122.695652
c	66	9022	136.696970
d	211	1222111	5791.995261

 

# 用索引器取值

# iloc索引器，python式前闭后开取值，索引为隐式数字

data.iloc[:3, :2]

	area	popu
e	50	6622
b	46	5644
c	66	9022

 

# loc索引器，前闭后闭取值，索引为显式字符串

data.loc[:'b', :'popu']

	area	popu
e	50	6622
b	46	5644

 

# ix索引器，为混合效果，易混淆，不建议使用

data.ix[:3, :'popu']

c:\program files\python36-32\lib\site-packages\ipykernel_launcher.py:2: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
  

	area	popu
e	50	6622
b	46	5644
c	66	9022

 

# 任何用于np数据的方法都可用于索引器，如结合掩码和花哨

data.loc[data.density > 130, ['popu', 'density']]

	popu	density
e	6622	132.440000
c	9022	136.696970
d	1222111	5791.995261

 

# 任何取值方法都可以修改数据，与np的方法相同

data.iloc[0, 2] = 90

data

	area	popu	density
e	50	6622	90.000000
b	46	5644	122.695652
c	66	9022	136.696970
d	211	1222111	5791.995261

其他取值方法

 

# 单个标签取值，就获得列，要用列标签

data['area']

e     50
b     46
c     66
d    211
Name: area, dtype: int64

 

# 多个标签取值，就获得行，要用行标签

data['b':'d']

	area	popu	density
b	46	5644	122.695652
c	66	9022	136.696970
d	211	1222111	5791.995261

 

# 切片也可以不用索引值，直接用行数。前闭后开。

data[1:3]

	area	popu	density
b	46	5644	122.695652
c	66	9022	136.696970

 

# 掩码操作也可以直接对每行过滤，而不用loc索引器

data[data.density > 130]

	area	popu	density
c	66	9022	136.696970
d	211	1222111	5791.995261