零基础上手Python数据分析 (10)：DataFrame 数据索引与选取

写在前面

回顾一下，上篇博客我们学习了 Pandas DataFrame 的数据读取与写入，掌握了数据导入导出的基本技能。 现在，我们已经能够将数据加载到 DataFrame 中了。 接下来，我们需要学习如何 灵活高效地访问和操作 DataFrame 中的数据，才能真正发挥 Pandas 的强大威力。

DataFrame 数据操作的核心：索引与选取

DataFrame 是一个二维表格数据结构，要对 DataFrame 中的数据进行分析和处理，首先需要能够 精准地定位到想要操作的数据。 例如：

• 选取特定的行和列： 例如，选取销售数据表中特定地区的销售额、选取学生信息表中年龄大于 20 岁的学生的姓名和班级。
• 根据条件筛选数据： 例如，筛选销售额大于 10000 的订单、筛选成绩在 80 分以上的学生。
• 修改 DataFrame 中的特定数据： 例如，将某个学生的年龄修改为新的值、将某个地区的销售额更新为最新的数据。
• 对 DataFrame 的子集进行操作： 例如，计算特定地区的平均销售额、对特定班级的学生成绩进行排序。

Excel 的鼠标点击 vs Pandas 的代码精准操控

在 Excel 中，我们通常使用鼠标点击单元格、拖拽选择区域、使用筛选和排序功能来操作数据。 这种方式对于简单的操作还可以接受，但当需要进行 复杂的数据选取和操作，或者需要 自动化数据处理流程 时，Excel 的鼠标点击操作就显得低效且难以自动化了。

Pandas DataFrame 提供了强大且灵活的数据索引与选取机制，让我们能够使用简洁、高效的代码，精准地定位和操作 DataFrame 中的数据，实现各种复杂的数据操作需求：

• 多种索引方式，灵活定位数据： Pandas DataFrame 支持多种索引方式，包括 标签索引 (label-based indexing)、位置索引 (integer-based indexing) 和 布尔索引 (boolean indexing) 等，可以根据不同的需求选择最合适的索引方式，灵活地定位 DataFrame 中的数据。
• 代码精准操控，高效自动化数据操作： 使用 Pandas 代码进行数据索引与选取，可以实现 精准的数据定位 和 批量数据操作，效率远超 Excel 的手动操作。 代码可以轻松实现 自动化数据处理流程，解放重复劳动，提高工作效率。
• 与其他 Pandas 功能无缝衔接： DataFrame 的数据索引与选取功能与 Pandas 的其他数据处理和分析功能 (例如数据清洗、数据转换、数据分析、数据可视化等) 无缝衔接，是构建完整数据分析流程的基础。

本篇博客将深入讲解 Pandas DataFrame 的 数据索引与选取 技巧，让你掌握 DataFrame 数据操作的核心技能，像 “切片面包” 一样灵活地操作你的数据表格，让数据分析工作更加得心应手！

🔑 DataFrame 数据索引与选取方法：多角度定位数据

Pandas DataFrame 提供了多种数据索引与选取方法，可以从不同的角度定位和访问 DataFrame 中的数据。 常用的索引与选取方法包括：

1. 基于标签的索引与选取：.loc[]

.loc[] 是一种 基于标签 (label-based) 的索引与选取方法，它使用 行索引标签 (row labels) 和 列索引标签 (column labels) 来定位 DataFrame 中的数据。 .loc[] 方法是 最常用、最灵活、最推荐使用 的索引与选取方法之一，尤其在需要 根据标签名称进行数据选取 时，.loc[] 方法非常方便和直观。

.loc[] 方法的基本语法：

df.loc[行索引标签, 列索引标签]

• 行索引标签 (row labels): 用于指定要选取的 行，可以是：
  • 单个行索引标签 (例如 'row1', 0，如果行索引是整数标签)。
  • 行索引标签列表 (例如 ['row1', 'row3', 'row5'], [0, 2, 4]，如果行索引是整数标签)。
  • 行索引标签切片 (例如 'row1':'row4', 0:3，如果行索引是整数标签)。 注意：标签切片是包含结束标签的！
  • 布尔 Series 或布尔数组 (用于条件筛选行)。
  • : (冒号) 表示选取 所有行。
• 列索引标签 (column labels): 用于指定要选取的 列，可以是：
  • 单个列索引标签 (例如 '列名1', 0，如果列索引是整数标签)。
  • 列索引标签列表 (例如 ['列名1', '列名3', '列名5'], [0, 2, 4]，如果列索引是整数标签)。
  • 列索引标签切片 (例如 '列名1':'列名4', 0:3，如果列索引是整数标签)。 注意：标签切片是包含结束标签的！
  • : (冒号) 表示选取 所有列。

示例 1：选取单行数据

import pandas as pd

data = {
   '姓名': ['Alice', 'Bob', 'Charlie', 'David'], '年龄': [25, 30, 28, 35], '城市': ['北京', '上海', '广州', '深圳']}
df = pd.DataFrame(data, index=['row1', 'row2', 'row3', 'row4']) # 创建 DataFrame，指定行索引

row_data = df.loc['row2'] # 选取行索引标签为 'row2' 的行
print(row_data) # 输出 Series，表示一行数据

输出：

姓名     Bob
年龄      30
城市      上海
Name: row2, dtype: object

代码解释：

• df.loc['row2']: 使用 .loc[] 方法，行索引标签为 'row2'，列索引标签省略 (默认选取所有列)，选取 DataFrame df 中 行索引标签为 'row2' 的行。 返回结果 row_data 是一个 Series 对象，表示 DataFrame 的一行数据。

示例 2：选取单列数据

import pandas as pd

data = {
   '姓名': ['Alice', 'Bob', 'Charlie', 'David'], '年龄': [25, 30, 28, 35], '城市': ['北京', '上海', '广州', '深圳']}
df = pd.DataFrame(data, index=['row1', 'row2', 'row3', 'row4'])

column_data = df.loc[:, '城市'] # 选取列索引标签为 '城市' 的列
print(column_data) # 输出 Series，表示一列数据

输出：

row1    北京
row2    上海
row3    广州
row4    深圳
Name: 城市, dtype: object

代码解释：

• df.loc[:, '城市']: 使用 .loc[] 方法，行索引标签为 : (选取所有行)，列索引标签为 '城市'，选取 DataFrame df 中 列索引标签为 '城市' 的列。 返回结果 column_data 是一个 Series 对象，表示 DataFrame 的一列数据。

示例 3：选取指定行和列的数据

import pandas as pd

data = {
   '姓名': ['Alice', 'Bob', 'Charlie', 'David'], '年龄': [25, 30, 28, 35], '城市': ['北京', '上海', '广州', '深圳']}
df = pd.DataFrame(data, index=['row1', 'row2', 'row3', 'row4'])

specific_data = df.loc[[