pandas 6 - 索引切片选择( tcy)

本文主要是介绍pandas 6 - 索引切片选择( tcy)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

索引切片选择      2018/12/3  2018/12/14  

1.Series选择：

操作	句法	实例	结果	说明
-	-	-	-	s=pd.Series([0,1,2,3,4],index=list('abcde'))
标签s/s.loc	s[单个标签]	s['c'] , s.loc['c']	2	如未包含标签则引发异常
标签s/s.loc	s[标签切片]	s['c':'e']=6	2,3,4	标签切片包含末端‘e’；
标签s/s.loc	s[标签列表]	s[['c','d','e']]	2,3,4	标签不存在抛异常。错误用法s[('c','d','e')]
切片s/s.iloc	s[n-1]	s[2],s.iloc[2]	2	-
切片s/s.iloc	s[切片]	s[2:]	2,3,4	选择第3,4,5行数据
切片s/s.iloc	-	s[:3] , s[-3:]	-	选择前，后3个数据
bool-s/s.iloc	s[布尔向量]	s[s>1] , s.loc[s>1]	2,3,4	选择s>1的数据2,3,4个数据（第3,4,5行）
属性访问	s.a	s.c	2	-
get-函数	s.get(label)	s.get('c')	2	缺少标签返回None或指定默认值

 

2.数据帧DataFrame选择：-汇总表

 

No	函数	df[]	df.loc[]	df.iloc[]	df.at[]	df.iat[]
1	用途	选择行或列	选择行列	选择行列	标量	标量
2	索引数值	行索引int或str;	索引是行名,列名	索引是数值	索引是行名,列名	索引是数值
		列索引是行,列名	-	-	-	-
3	选择标量	-	df.loc['b','C']	df.iloc[1,2]	df.at['b','C']	df.iat[1,2]
	选择标量	-	-	-	df.loc['b'].iat[2]	df.iloc[1].at['C']
4	选择行	df[0:1]或df['a':'a']	df.loc['b']	df.iloc[1]	-	-
	选择行	df[0:3]或df['a':'c']	df.loc[['b','c']]	df.iloc[[1,3]]	-	-
	选择行		df.loc['a':'c']	df.iloc[1:4]	-	-
5	选择列	df['A']或df.A	df.loc[:,'B']	df.iloc[:,1]	-	-
	选择列	df[['A','C']]	df.loc[:,['B','C']]	df.iloc[:,[1,2]]	-	-
	选择列	-	df.loc[:,'A':'C']	df.iloc[:,0:3]	-	-
6	选择行列	-	df.loc['a':'c','A':'C']	df.iloc[0:3,0:3]	-	-
	选择行列	-	df.loc['a':'c',['A','C']]	df.iloc[0:3,[0,2]]	-	-
	选择行列	-	df.loc[['a','c'],'A':'C']	df.iloc[[0,2],0:3]	-	-
	选择行列	-	df.loc['a','A':'C']	df.iloc[0,0:3]	-	-
7	布尔索引	df[b1],df[df.A>0]   行	df.loc[b1,b2]	df.iloc[b1,b2]	-	-
		df[df['B'].isin([6,7])]行	b1=np.array([0,1,0,1,0],dtype=bool)		b2=np.array([1,0,1,0],dtype=bool)
	注意：
	df=pd.DataFrame(np.arange(20).reshape((5,4),order='F'),index=list('abcde'),columns=list('ABCD'))
	返回值:数值，系列，数据帧；当标签列表返回系列时，若想返回数据帧外加一层中括号。
	df[0]或df['a']错误用法；当有分号不能外加中括号；都可以查看设置数据。

 

 2.2.实例：

 

df = pd.DataFrame([[0, 2, 3], [0, 4, 1], [10, 20, 30]],
index=[4, 5, 6], columns=['A', 'B', 'C'])
# 实例1：
df.loc[5].at['B'] # 获取标量值： 4
df.loc[5].iat[1]  # 获取标量值：4
df.iloc[1,1]      # 4
df.iat[1,1]=4     # 4# 实例2：
df.loc[dates[0]] # 按标签选择：获取第一行
df.iloc[2]       # 通过传递的整数的位置df.loc[:,['A','B']]          # 按标签选择：获取第A,B列
df.loc['20181015',['A','B']] # 按标签选择-减少返回对象的尺寸df.iloc[3:5,0:2]       # 通过整数切片
df.iloc[[1,2,4],[0,2]] # 通过整数位置位置列表# 实例3：使用isin()过滤方法
df2 = df.copy()
df2['D'] = ['one','two','three']
df2[df2['D'].isin(['two','three'])]
'''A  B  C  D
5  0  4  1  two
6 10 20 30  three'''# 实例4：布尔索引-使用单个列的值来选择数据。
df[df.B >=4 ]
#   A   B  C
# 5 0   4  1
# 6 10 20 30df.loc[[False, False, True]]#选取第3行
df.loc[df['B'] >4, ['C']]   #一个值返回为数据帧# 实例5：select_dtypes() 选择显示特定数据类型
# 要选择所有数字和布尔列，同时排除无符号整数：
df.select_dtypes(include=['number', 'bool'], exclude=['unsignedinteger'])# 实例6：按可调用选择
# .loc，.iloc以及[]索引也可以接受一个callable索引器。df.loc[lambda df: df.A > 0, :]    #获取第三行数据
df.loc[:, lambda df: ['A', 'B']]  #获取A,B列数据
df.iloc[:, lambda df: [0, 1]] #获取A,B列数据
df[lambda df: df.columns[0]]  #获取A列数据df.A.loc[lambda s: s > 0] #获取序列=10# 实例7：IX 已弃用
df.loc[df.index[[0, 2]], 'A']           # 获取第1,2行第A列数据
df.iloc[[0, 2],df.columns.get_loc('A')] # 获取第1,2行第A列数据
df.iloc[[0, 2],df.columns.get_indexer(['A','B'])] # 获取第1,2行第A,B列数据# 实例8：设置数据
df[['B', 'A']] = df[['A', 'B']]       #就地修改
df.loc[:,['B', 'A']] = df[['A', 'B']] #不会修改
# 交换列值的正确方法是使用原始值：
df.loc[:,['B', 'A']] = df[['A', 'B']].values

 

 

这篇关于pandas 6 - 索引切片选择( tcy)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---