欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

pandas 数据索引与选取的实现方法

程序员文章站 2022-03-20 13:50:44
我们对 dataframe 进行选择,大抵从这三个层次考虑:行列、区域、单元格。 其对应使用的方法如下: 一. 行,列 --> df[] 二. 区域&nbs...

我们对 dataframe 进行选择,大抵从这三个层次考虑:行列、区域、单元格。

其对应使用的方法如下:
一. 行,列 --> df[]
二. 区域   --> df.loc[], df.iloc[], df.ix[]
三. 单元格 --> df.at[], df.iat[]

下面开始练习:

import numpy as np
import pandas as pd

df = pd.dataframe(np.random.randn(6,4), index=list('abcdef'), columns=list('abcd'))

1. df[]:

一维
行维度:
    整数切片、标签切片、<布尔数组>
列维度:
    标签索引、标签列表、callable

df[:3]
df['a':'c']
df[[true,true,true,false,false,false]] # 前三行(布尔数组长度等于行数)
df[df['a']>0] # a列值大于0的行
df[(df['a']>0) | (df['b']>0)] # a列值大于0,或者b列大于0的行
df[(df['a']>0) & (df['c']>0)] # a列值大于0,并且c列大于0的行

df['a']
df[['a','b']]
df[lambda df: df.columns[0]] # callable

2. df.loc[]

二维,先行后列
行维度:
    标签索引、标签切片、标签列表、<布尔数组>、callable
列维度:
    标签索引、标签切片、标签列表、<布尔数组>、callable

df.loc['a', :]
df.loc['a':'d', :]
df.loc[['a','b','c'], :]
df.loc[[true,true,true,false,false,false], :] # 前三行(布尔数组长度等于行数)
df.loc[df['a']>0, :]
df.loc[df.loc[:,'a']>0, :]
df.loc[df.iloc[:,0]>0, :]
df.loc[lambda _df: _df.a > 0, :]
df.loc[:, 'a']
df.loc[:, 'a':'c']
df.loc[:, ['a','b','c']]
df.loc[:, [true,true,true,false]] # 前三列(布尔数组长度等于行数)
df.loc[:, df.loc['a']>0]     # a行大于0的列
df.loc[:, df.iloc[0]>0]      # 0行大于0的列
df.loc[:, lambda _df: ['a', 'b']]
df.a.loc[lambda s: s > 0]

3. df.iloc[]

二维,先行后列
行维度:
    整数索引、整数切片、整数列表、<布尔数组>
列维度:
    整数索引、整数切片、整数列表、<布尔数组>、callable

df.iloc[3, :]
df.iloc[:3, :]
df.iloc[[0,2,4], :]
df.iloc[[true,true,true,false,false,false], :] # 前三行(布尔数组长度等于行数)
df.iloc[df['a']>0, :]    #× 为什么不行呢?想不通!
df.iloc[df.loc[:,'a']>0, :] #×
df.iloc[df.iloc[:,0]>0, :] #×
df.iloc[lambda _df: [0, 1], :]
df.iloc[:, 1]
df.iloc[:, 0:3]
df.iloc[:, [0,1,2]]
df.iloc[:, [true,true,true,false]] # 前三列(布尔数组长度等于行数)
df.iloc[:, df.loc['a']>0] #×
df.iloc[:, df.iloc[0]>0] #×
df.iloc[:, lambda _df: [0, 1]]

4. df.ix[]

二维,先行后列
行维度:
    整数索引、整数切片、整数列表、
    标签索引、标签切片、标签列表、
    <布尔数组>、
    callable
列维度:
    整数索引、整数切片、整数列表、
    标签索引、标签切片、标签列表、
    <布尔数组>、
    callable

df.ix[0, :]
df.ix[0:3, :]
df.ix[[0,1,2], :]

df.ix['a', :]
df.ix['a':'d', :]
df.ix[['a','b','c'], :]
df.ix[:, 0]
df.ix[:, 0:3]
df.ix[:, [0,1,2]]

df.ix[:, 'a']
df.ix[:, 'a':'c']
df.ix[:, ['a','b','c']]

5. df.at[]

精确定位单元格
行维度:
    标签索引
列维度:
    标签索引

df.at['a', 'a']

6. df.iat[]

精确定位单元格

行维度:
    整数索引
列维度:
    整数索引

df.iat[0, 0]

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。