pandas索引操作

pandas的索引操作可以快速的完成多种功能。

import pandas as pd
import numpy as np

1. 首先pandas创建DataFrame

df_1 = pd.DataFrame([[‘Jack‘,‘M‘,40],[‘Tony‘,‘M‘,20],[‘Mary‘,‘F‘,30],[‘Bob‘,‘M‘,25]], columns=[‘name‘,‘gender‘,‘age‘])  #列表创建DataFrame
print(‘------ df_1是： ------‘)
print(df_1)

2. 直接列名检索

# 列名索引
a = df_1[‘name‘]
print(a)

3. 同时取多列数据

# 同时取多列
b = df_1[[‘name‘,‘age‘]]
print(b)

4. 切片索引

# 切片索引，按行索引
bb = df_1[1:3]
print(bb)

5. 条件索引

aa = df_1[df_1.age>25]
print(aa)

6. isin判断

# isin 索引
cc = df_1[df_1.name.isin([‘Jack‘,‘Bob‘])]
print(cc)

7. loc取行数据

# loc取行
dd = df_1.loc[df_1.name.isin([‘Jack‘,‘Bob‘])] #去满足条件的所有行
print(dd)

8. loc标签

# loc取行
ee = df_1.loc[1:3]  #直接按照标签取，不是属于切片，所以会1-3行全部取出来
print(ee)

9. 多个条件，‘|‘ 条件取行（‘或‘条件），逻辑条件

ff = df_1.loc[df_1.name.isin([‘Jack‘,‘Bob‘]) | (df_1.age>25)]  #多个条件,‘|‘条件取行
print(‘the value of ff is: ‘)
print(ff)
print(df_1.name.isin([‘Jack‘,‘Bob‘]) | (df_1.age>25))

10. 多个条件取行，‘&‘ 条件取行，（‘与‘ 条件），逻辑条件

gg = df_1.loc[df_1.name.isin([‘Jack‘,‘Bob‘]) & (df_1.age>25)]  #多个条件取行,‘&‘条件取行
print(‘the value of gg is: ‘)
print(gg)
print(df_1.name.isin([‘Jack‘,‘Bob‘]) & (df_1.age>25))

11. loc 按行、列条件取值，取其中某列，可用来取某一行某一列的值（也就是某个位置的值）

hh = df_1.loc[df_1.name.isin([‘Jack‘,‘Bob‘]) | (df_1.age>25), ‘age‘]
print(hh)

12. loc多行、列取值，取多行多列

ii = df_1.loc[1:3, ‘name‘:‘gender‘]  # ‘name‘:‘gender‘顺序有前后
print(‘the value of ii is: ‘)
print(ii)

13. iloc：切片

jj = df_1.iloc[1:3]  #此时按照切片规则取行
print(‘the value of jj is: ‘)
print(jj)

14. ix：之前的方法，现在可以用loc和iloc来实现，执行的时候会出现：DeprecationWarning: .ix is deprecated. Please use  .loc for label based indexing or  .iloc for positional indexing。

mm = df_1.ix[1:3]  #此时按照标签规则取行，而不是切片规则
print(‘the value of mm is: ‘)
print(mm)

nn = df_1.ix[1:3, ‘name‘:‘gender‘]  #此时按照标签规则取行，而不是切片规则
print(‘the value of nn is: ‘)
print(nn)

15. 如果其中的值都是数字，可以对整体进行限定，例如：

array_test = np.array([[1,2,3,4],[2,3,4,5],[3,4,5,6]])
df_3 = pd.DataFrame(array_test, index = [‘aa‘, ‘bb‘, ‘ff‘], columns = [‘c1‘, ‘c2‘, ‘c3‘, ‘c4‘])  #数组创建DataFrame
print(‘------ df_3是： ------‘)
print(df_3)

# 取满足条件的值：

df_4 = df_3[df_3>3]  #取满足条件的值
print(‘the value of df_4 is :‘)
print(df_4)

# 将满足条件的值重新赋值：

df_3[df_3>3]=0  #将满足条件的值重新赋值
print(‘the value of df_3 is :‘)
print(df_3)

##

原文地址：https://www.cnblogs.com/qi-yuan-008/p/12412018.html