初识数据分析之pandas笔记五 索引、选取和过滤

来源：《利用Python进行数据分析·第2版》

In [133]: obj = pd.Series(np.arange(4.), index=['a', 'b', 'c', 'd'])

In [134]: obj
Out[134]:
a    0.0
b    1.0
c    2.0
d    3.0
dtype: float64

In [135]: obj['b']
Out[135]: 1.0

In [136]: obj[1]
Out[136]: 1.0

In [137]: obj[2:4]
Out[137]:
c    2.0
d    3.0
dtype: float64

In [138]: obj[['b', 'a', 'd']]
Out[138]:
b    1.0
a    0.0
d    3.0
dtype: float64

In [139]: obj[[1, 3]]
Out[139]:
b    1.0
d    3.0
dtype: float64

In [140]: obj[obj<2]
Out[140]:
a    0.0
b    1.0
dtype: float64

利用标签的切片运算与普通的Python切片运算不同，其末端是包含的：

In [141]: obj['b':'c']
Out[141]:
b    1.0
c    2.0
dtype: float64

用切片可以对Series的相应部分进行设置：

In [142]: obj['b':'c'] = 5

In [143]: obj
Out[143]:
a    0.0
b    5.0
c    5.0
d    3.0
dtype: float64

用一个值或序列对DataFrame进行索引其实就是获取一个或多个列：

In [144]: data = pd.DataFrame(np.arange(16).reshape((4, 4)),
     ...: index=['Ohio', 'Colorado', 'Utah', 'New York'],
     ...: columns=['one', 'two', 'three', 'four'])

In [145]: data
Out[145]:
          one  two  three  four
Ohio        0    1      2     3
Colorado    4    5      6     7
Utah        8    9     10    11
New York   12   13     14    15

In [147]: data['two']
Out[147]:
Ohio         1
Colorado     5
Utah         9
New York    13
Name: two, dtype: int32

In [148]: data[['three', 'one']]
Out[148]:
          three  one
Ohio          2    0
Colorado      6    4
Utah         10    8
New York     14   12

这种索引方式有几个特殊的情况。首先通过切片或布尔型数组选取数据：

In [149]: data[:2]
Out[149]:
          one  two  three  four
Ohio        0    1      2     3
Colorado    4    5      6     7

In [150]: data[data['three'] > 5]
Out[150]:
          one  two  three  four
Colorado    4    5      6     7
Utah        8    9     10    11
New York   12   13     14    15

选取行的语法data[:2]十分方便。向[ ]传递单一的元素或列表，就可选择列。

另一种用法是通过布尔型DataFrame（比如下面这个由标量比较运算得出的）进行索引：

In [151]: data < 5
Out[151]:
            one    two  three   four
Ohio       True   True   True   True
Colorado   True  False  False  False
Utah      False  False  False  False
New York  False  False  False  False

In [152]: data[data < 5] = 0

In [153]: data
Out[153]:
          one  two  three  four
Ohio        0    0      0     0
Colorado    0    5      6     7
Utah        8    9     10    11
New York   12   13     14    15

用loc和iloc进行选取

对于DataFrame的行的标签索引，我引入了特殊的标签运算符loc和iloc。它们可以让你用类似NumPy的标记，使用轴标签（loc）或整数索引（iloc），从DataFrame选择行和列的子集。

作为一个初步示例，让我们通过标签选择一行和多列：

In [154]: data.loc['Colorado', ['two', 'three']]
Out[154]:
two      5
three    6
Name: Colorado, dtype: int32

然后用iloc和整数进行选取：

In [156]: data.iloc[2, [3, 0, 1]]
Out[156]:
four    11
one      8
two      9
Name: Utah, dtype: int32

In [157]: data.iloc[2]
Out[157]:
one       8
two       9
three    10
four     11
Name: Utah, dtype: int32

In [158]: data.iloc[[1, 2], [3, 0, 1]]
Out[158]:
          four  one  two
Colorado     7    0    5
Utah        11    8    9

这两个索引函数也适用于一个标签或多个标签的切片：

In [160]: data.loc[:'Utah', "two"]
Out[160]:
Ohio        0
Colorado    5
Utah        9
Name: two, dtype: int32

In [161]: data.iloc[:, :3][data.three>5]
Out[161]:
          one  two  three
Colorado    0    5      6
Utah        8    9     10
New York   12   13     14

所以，在pandas中，有多个方法可以选取和重新组合数据。对于DataFrame，表5-4进行了总结。后面会看到，还有更多的方法进行层级化索引。

整数索引

处理整数索引的pandas对象常常难住新手，因为它与Python内置的列表和元组的索引语法不同。例如，你可能不认为下面的代码会出错：

In [162]: ser = pd.Series(np.arange(3.))

In [163]: ser
Out[163]:
0    0.0
1    1.0
2    2.0
dtype: float64

In [164]: ser[-1]
---------------------------------------------------------------------------
KeyError

对于非整数索引，不会产生歧义：

In [165]: In [145]: ser2 = pd.Series(np.arange(3.), index=['a', 'b', 'c'])
     ...:

In [166]: ser2
Out[166]:
a    0.0
b    1.0
c    2.0
dtype: float64

In [167]: ser2[-1]
Out[167]: 2.0

为了进行统一，如果轴索引含有整数，数据选取总会使用标签。为了更准确，请使用loc（标签）或iloc（整数）：

In [168]: ser[:1]
Out[168]:
0    0.0
dtype: float64

In [169]: ser.loc[:1]
Out[169]:
0    0.0
1    1.0
dtype: float64

In [170]: ser.iloc[:1]
Out[170]:
0    0.0
dtype: float64