Series和DataFrame的數(shù)據(jù)取值與選擇

數(shù)據(jù)取值與選擇

NumPy數(shù)據(jù)取值的方法扬跋，包括取值操作（如arr[2, 1]）栗菜、切片操作（如arr[:, 1:5]）筋粗、掩碼操作（如arr[arr > 0]）芭析、花哨的索引操作（如arr[0, [1, 5]]）晌砾，以及組合操作（如arr[:, [1, 5]]）。

在NumPy的二維數(shù)組里担忧，data[0]返回第一行芹缔，而在DataFrame中，data['col0']返回第一列瓶盛。

import numpy as np
import pandas as pd

Series數(shù)據(jù)選擇方法

將Series看作字典最欠，

Series對(duì)象提供了鍵值對(duì)的映射。

data = pd.Series(np.linspace(0.25, 1, 4), index=['a', 'b', 'c', 'd'])
data

a    0.25
b    0.50
c    0.75
d    1.00
dtype: float64

data['b']

0.5

# 用Python字典的表達(dá)式和方法來檢測鍵/索引和值：
'a' in data

True

data.keys()

Index(['a', 'b', 'c', 'd'], dtype='object')

data.items()

<zip at 0x84775c8>

list(data.items())

[('a', 0.25), ('b', 0.5), ('c', 0.75), ('d', 1.0)]

# 增加新的索引值擴(kuò)展Series
data['e'] = 1.25

將Series看作一維數(shù)組惩猫，

具備和Numpy數(shù)組一樣的數(shù)組數(shù)據(jù)選擇功能芝硬，包括索引、掩碼轧房、花哨的索引操作拌阴。

# 將顯式索引作為切片
data['a':'c']

a    0.25
b    0.50
c    0.75
dtype: float64

# 將隱式整數(shù)索引作為切片
data[0:2]

a    0.25
b    0.50
dtype: float64

# 掩碼
data[(data > 0.3) & (data < 0.8)]

b    0.50
c    0.75
dtype: float64

# 花哨的索引
data[['a', 'e']]

a    0.25
e    1.25
dtype: float64

當(dāng)使用顯式索引（即
data['a':'c']）作切片時(shí)，結(jié)果包含最后一個(gè)索引奶镶；而當(dāng)使用隱式索引（即 data[0:2]）
作切片時(shí)迟赃，結(jié)果不包含最后一個(gè)索引。

索引器：loc厂镇、iloc和ix纤壁，

如果Series是顯式整數(shù)索引，那么data[1]這樣的取值操作會(huì)使用顯式索引剪撬，而data[1:3]這樣的切片操作會(huì)使用隱式索引摄乒。

data = pd.Series(['a', 'b', 'c'], index=(1, 3, 5))
data

1    a
3    b
5    c
dtype: object

# 取值操作是顯式索引
data[1]

'a'

# 切片操作是隱式索引
data[1:3]

3    b
5    c
dtype: object

Pandas提供的索引器（indexer）屬性來取值的方法不是Series對(duì)象的函數(shù)方法，而是暴露切片接口的屬性残黑。

第一種索引器是loc屬性，表示取值和切片都是顯式的：

data.loc[1]

'a'

data.loc[1:3]

1    a
3    b
dtype: object

第二種是iloc屬性斋否，表示取值和切片都是Python形式（從0開始梨水，左閉右開區(qū)間）的隱式索引：

data.iloc[1]

'b'

data.iloc[1:3]

3    b
5    c
dtype: object

第三種取值屬性是ix，它是前兩種索引器的混合形式茵臭。在Series對(duì)象中ix等價(jià)于標(biāo)準(zhǔn)的[]（Python列表）取值方式疫诽。

在處理整數(shù)索引的對(duì)象時(shí)，強(qiáng)烈推進(jìn)使用索引器旦委，可以讓代碼閱讀和理解起來更容易奇徒，也能避免因誤用索引/切片而產(chǎn)生的小bug。

DataFrame數(shù)據(jù)選擇方法

將DataFrame看作字典缨硝，

把DataFrame當(dāng)作一個(gè)由若干Series對(duì)象構(gòu)成的字典摩钙。

area = pd.Series({'Guangzhou':55555, 'Shenzhen':44444, 'Dongguan':33333, 'Foshan':22222, 'Zhuhai':11111})
pop = pd.Series({'Guangzhou':51, 'Shenzhen':42, 'Dongguan':33, 'Foshan':24, 'Zhuhai':15})
data = pd.DataFrame({'area':area, 'pop':pop})
data

兩個(gè)Series分別構(gòu)成DataFrame的一列，可以通過對(duì)列名進(jìn)行字典型是的取值獲取數(shù)據(jù)查辩。

data['area']

Dongguan     33333
Foshan       22222
Guangzhou    55555
Shenzhen     44444
Zhuhai       11111
Name: area, dtype: int64

# 用字典形式語法調(diào)整對(duì)象
data['density'] = data['pop']/data['area']
data

將DataFrame看作二維數(shù)組胖笛，

data.values

array([[  3.33330000e+04,   3.30000000e+01,   9.90009900e-04],
       [  2.22220000e+04,   2.40000000e+01,   1.08001080e-03],
       [  5.55550000e+04,   5.10000000e+01,   9.18009180e-04],
       [  4.44440000e+04,   4.20000000e+01,   9.45009450e-04],
       [  1.11110000e+04,   1.50000000e+01,   1.35001350e-03]])

data.T

data.values[0]

array([  3.33330000e+04,   3.30000000e+01,   9.90009900e-04])

data['area']

Dongguan     33333
Foshan       22222
Guangzhou    55555
Shenzhen     44444
Zhuhai       11111
Name: area, dtype: int64

Pandas索引器loc网持、iloc和ix，

通過iloc索引器长踊，像對(duì)待Numpy數(shù)組一樣索引Pandas的底層數(shù)組（Python的隱式索引）功舀，DataFrame的行列標(biāo)簽會(huì)自動(dòng)保留在結(jié)果中。

data.iloc[:3, :2]

data.loc[:'Guangzhou', :'pop']

# ix索引器實(shí)現(xiàn)混合效果
data.ix[:3, :'pop']

D:\Anaconda3\envs\py36env\lib\site-packages\ipykernel_launcher.py:2: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated

loc屬性身弊，表示取值和切片都是顯式的辟汰。

data.loc[data.index[[0,2]], ['area', 'pop']]

data.loc[data.index[[0,2]], 'area':'pop']

data.loc[:, ['area', 'pop']]

data.loc[:'Guangzhou', :'pop']

iloc屬性，表示取值和切片都是Python形式的（從0開始阱佛，左閉右開區(qū)間）隱式索引帖汞。

data.iloc[[0,2], data.columns.get_loc('pop')]

Dongguan     33
Guangzhou    51
Name: pop, dtype: int64

data.iloc[0:2, data.columns.get_indexer(['area', 'pop'])]

data.iloc[0:2, 0:2]

如果對(duì)單個(gè)標(biāo)簽取值就選擇列，而對(duì)多個(gè)標(biāo)簽用切片就選擇行瘫絮。

data['area']

Dongguan     33333
Foshan       22222
Guangzhou    55555
Shenzhen     44444
Zhuhai       11111
Name: area, dtype: int64

data['Dongguan':'Guangzhou']

本文首發(fā)于steem涨冀，感謝閱讀，轉(zhuǎn)載請注明麦萤。

https://steemit.com/@padluo