Pandas数据处理基础3

数据选择

在数据预处理过程中，我们往往会对数据集进行切分，只将需要的某些行、列，或者数据块保留下来，输出到下一个流程中去。这也就是所谓的数据选择，或者数据索引。

基于索引数字的选择

当我们新建一个 DataFrame 之后，如果未自己指定行索引或者列对应的标签，那么 Pandas 会默认从 0 开始以数字的形式作为行索引，并以数据集的第一行作为列对应的标签。其实，这里的「列」也有数字索引，默认也是从 0 开始，只是未显示出来。

Pandas 中的 .iloc 方法。该方法可以接受的类型有：

1.整数。例如：5
2.整数构成的列表或数组。例如：[1, 2, 3]
3.布尔数组。
4.可返回索引值的函数或参数。

df.iloc[:3] #选择前三行数据

输出结果：

df.iloc[5] #选择指定行

输出结果：

df.iloc[[1,3,5]] #选择多行，比如1，3，5行

输出结果：

df.iloc[:, 1:4] #选择2-4列

输出结果(由于图片太大，仅截取部分)：

基于标签名称选择

除了根据数字索引选择，还可以直接根据标签对应的名称选择。这里用到的方法和上面的 iloc 很相似，少了个 i 为 df.loc[]。
df.loc[] 可以接受的类型有：

1.单个标签。例如：2 或 'a'，这里的 2 指的是标签而不是索引位置。
2.列表或数组包含的标签。例如：['A', 'B', 'C']。
3.切片对象。例如：'A':'E'，注意这里和上面切片的不同支持，首尾都包含在内。
4.布尔数组。
5.可返回标签的函数或参数。

df.loc[0:2] #选择前3行

输出结果：

df.loc[[0,2,4]] #选择1，3，5行

输出结果：

df.loc[:,'Total Population':'Total Males'] #选择2-4列

输出结果(由于图片太大，仅截取部分)：

df.loc[[0,2],'Median Age':] #选择 1，3 行和 Median Age 后面的列

输出结果：