Series和DataFrame的数据取值与选择

数据取值与选择

NumPy数据取值的方法，包括取值操作（如arr[2, 1]）、切片操作（如arr[:, 1:5]）、掩码操作（如arr[arr > 0]）、花哨的索引操作（如arr[0, [1, 5]]），以及组合操作（如arr[:, [1, 5]]）。

在NumPy的二维数组里，data[0]返回第一行，而在DataFrame中，data['col0']返回第一列。

import numpy as np
import pandas as pd

Series数据选择方法

将Series看作字典，

Series对象提供了键值对的映射。

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字典的表达式和方法来检测键/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)]

# 增加新的索引值扩展Series
data['e'] = 1.25

将Series看作一维数组，

具备和Numpy数组一样的数组数据选择功能，包括索引、掩码、花哨的索引操作。

# 将显式索引作为切片
data['a':'c']

a    0.25
b    0.50
c    0.75
dtype: float64

# 将隐式整数索引作为切片
data[0:2]

a    0.25
b    0.50
dtype: float64

# 掩码
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

当使用显式索引（即
data['a':'c']）作切片时，结果包含最后一个索引；而当使用隐式索引（即 data[0:2]）
作切片时，结果不包含最后一个索引。

索引器：loc、iloc和ix，

如果Series是显式整数索引，那么data[1]这样的取值操作会使用显式索引，而data[1:3]这样的切片操作会使用隐式索引。

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

1    a
3    b
5    c
dtype: object

# 取值操作是显式索引
data[1]

'a'

# 切片操作是隐式索引
data[1:3]

3    b
5    c
dtype: object

Pandas提供的索引器（indexer）属性来取值的方法不是Series对象的函数方法，而是暴露切片接口的属性。

第一种索引器是loc属性，表示取值和切片都是显式的：

data.loc[1]

'a'

data.loc[1:3]

1    a
3    b
dtype: object

第二种是iloc属性，表示取值和切片都是Python形式（从0开始，左闭右开区间）的隐式索引：

data.iloc[1]

'b'

data.iloc[1:3]

3    b
5    c
dtype: object

第三种取值属性是ix，它是前两种索引器的混合形式。在Series对象中ix等价于标准的[]（Python列表）取值方式。

在处理整数索引的对象时，强烈推进使用索引器，可以让代码阅读和理解起来更容易，也能避免因误用索引/切片而产生的小bug。

DataFrame数据选择方法

将DataFrame看作字典，

把DataFrame当作一个由若干Series对象构成的字典。

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

两个Series分别构成DataFrame的一列，可以通过对列名进行字典型是的取值获取数据。

data['area']

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

# 用字典形式语法调整对象
data['density'] = data['pop']/data['area']
data

将DataFrame看作二维数组，

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、iloc和ix，

通过iloc索引器，像对待Numpy数组一样索引Pandas的底层数组（Python的隐式索引），DataFrame的行列标签会自动保留在结果中。

data.iloc[:3, :2]

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

# ix索引器实现混合效果
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属性，表示取值和切片都是显式的。

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属性，表示取值和切片都是Python形式的（从0开始，左闭右开区间）隐式索引。

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]

如果对单个标签取值就选择列，而对多个标签用切片就选择行。

data['area']

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

data['Dongguan':'Guangzhou']

本文首发于steem，感谢阅读，转载请注明。

https://steemit.com/@padluo