pandas--索引

一、索引器

1. 表的列索引

• 列索引是最常见的索引形式，一般通过 [] 来实现。通过 [列名] 可以从 DataFrame 中取出相应的列，返回值为 Series, 等价于用 .列名 取出单列，且列名中不包含空格

df.Name.head() # 等价于 df['Name'].head()

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, 最好用[ ]来实现

• 如果要取出多个列，则可以通过 [列名组成的列表] ，其返回值为一个 DataFrame
  

2. 序列的行索引

(1), 以字符串为索引的 Series

• 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 Series
• 如果取出多个索引的对应元素，则可以使用 [items的列表]
• 如果想要取出某两个索引之间的元素，并且这两个索引是在整个索引中唯一出现，则可以使用切片，同时需要注意这里的切片会包含两个端点
• 如果前后端点的值存在重复，即非唯一值，那么需要经过排序才能使用切片：
  

(2), 以整数为索引的 Series

• 在使用数据的读入函数时，如果不特别指定所对应的列作为索引，那么会生成从0开始的整数索引作为默认索引。当然，任意一组符合长度要求的整数都可以作为索引。
  

3. loc索引器

• 对于表而言，有两种索引器，一种是基于元素的loc索引器，另一种是基于位置的 iloc索引器。

• 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，

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。

5. query方法

• 在 pandas 中，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。

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。有时在拿到大型数据集后，想要对统计特征进行计算来了解数据的大致分布，但是这很费时间。同时，由于许多统计特征在等概率不放回的简单随机抽样条件下，是总体统计特征的无偏估计，比如样本均值和总体均值，那么就可以先从整张表中抽出一部分来做近似估计。

• 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。例如，对下面构造的 df_sample 以 value 值的相对大小为抽样概率进行有放回抽样，抽样数量为3。