简书阅读体验不佳(与有道云笔记的markdown解析不同)，因此建议进入传送门
jupyter notebook:pandas 学习心得(2):选择数据的操作
这个系列是我学习《python数据科学手册》所做的笔记
用于个人备忘
顺便分享，因此存在不严谨的地方或者述说不清晰的地方
Series数据选择方法
- 索引
- 切片
- 掩码(布尔索引)
- 花式索引
- 索引器 loc、iloc、ix
import numpy as np
import pandas as pd
data = pd.Series([0.25,0.5,0.75,1],
index = ['a', 'b', 'c', 'd'])
data
a 0.25
b 0.50
c 0.75
d 1.00
dtype: float64
1. 索引
索引即获取一个标量
索引方法有两种，1)将Series 对象看作字典. 2) 将Series看作一维数组
data['b'] # 看作字典
0.5
data[1] # 看作一维数组
0.5
2. 切片
切片即获取一组数据(个数大于1)
切片方法有两种: 1)将Series 对象看作字典. 2) 将Series看作一维数组
data['b':'d'] # 看作字典，包含两个端点, 显式索引
b 0.50
c 0.75
d 1.00
dtype: float64
data[0:2] # 看作一维数组，左闭右开区间， 隐式索引
a 0.25
b 0.50
dtype: float64
3. 掩码(布尔索引)
data[(data > 0.3) & (data < 0.8)]
b 0.50
c 0.75
dtype: float64
4. 花式索引
使用花式索引，结果的形状与索引数组形状一致，而不是与被索引数组的形状一致
select = np.array([[0,1],
[2,3]])
select
array([[0, 1],
[2, 3]])
data[select] # 花式索引，结果形状与select一致
array([[0.25, 0.5 ],
[0.75, 1. ]])
5. 索引器
切片、索引的两种不同方式(显示索引 与 隐式索引) 经常会引起混乱
例如，Series式显式整数索引，那么data[1] 这样的取值操作会使用显示索引，而data[1:3] 这种切片操作会用隐式索引
data = pd.Series(['a','b','c'], index = [1, 3, 5])
data
1 a
3 b
5 c
dtype: object
data[1] # 结果为 a，显式索引
'a'
data[1:3] # 结果为 b c ， 隐式索引
3 b
5 c
dtype: object
上述方法容易引起混淆，所以pandas提供了索引器
第一种索引器是 loc， 表示显式
data.loc[1]
'a'
data.loc[3:5]
3 b
5 c
dtype: object
第二种索引器是iloc，表示隐式
data.iloc[0]
'a'
data.iloc[0:2] # 左闭右开
1 a
3 b
dtype: object
第三种索引器是ix ，它相当于标准的[]取值方式，是前两种索引器的混合形式，多用于DataFrame中，此处不推荐
DataFrame数据选取方法
- 将DataFrame 看作字典
- 将DataFrame 看作二维数组
- 别看这个页面了，点击下面的传送门吧，我也难过。。不知道为什么一碰到DataFrame就显示不出来，这里吐槽简书一波
jupyter notebook:pandas 学习心得(2):选择数据的操作
x = {'a': 10,'b':20, 'c':30}
y = {'a':2, 'b':4, 'c':6}
data = pd.DataFrame({'x':x,'y':y})
data
<div>
<style scoped>
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
</style>
<table border="1" class="dataframe">
<thead>
<tr style="text-align: right;">
<th></th>
<th>x</th>
<th>y</th>
</tr>
</thead>
<tbody>
<tr>
<th>a</th>
<td>10</td>
<td>2</td>
</tr>
<tr>
<th>b</th>
<td>20</td>
<td>4</td>
</tr>
<tr>
<th>c</th>
<td>30</td>
<td>6</td>
</tr>
</tbody>
</table>
</div>
1. 将DataFrame看作字典
通过对 列名 进行字典形式的取值获取数据
data['x']
a 10
b 20
c 30
Name: x, dtype: int64
也可以使用属性形式访问
data.x
a 10
b 20
c 30
Name: x, dtype: int64
注意，如果要修改值， 可以用 data['x'] = wtf， 但不要使用 data.x = wtf
还可以增加一列
data['z'] = data['x'] + data['y']
data
<div>
<style scoped>
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
</style>
<table border="1" class="dataframe">
<thead>
<tr style="text-align: right;">
<th></th>
<th>x</th>
<th>y</th>
<th>z</th>
</tr>
</thead>
<tbody>
<tr>
<th>a</th>
<td>10</td>
<td>2</td>
<td>12</td>
</tr>
<tr>
<th>b</th>
<td>20</td>
<td>4</td>
<td>24</td>
</tr>
<tr>
<th>c</th>
<td>30</td>
<td>6</td>
<td>36</td>
</tr>
</tbody>
</table>
</div>
2. 将DataFrame 看作二维数组
这种方法比较实用
类比二维numpy 数组， 查看数组的values属性
data.values
array([[10, 2, 12],
[20, 4, 24],
[30, 6, 36]], dtype=int64)
进行转置
data.T # 转置，创建新的副本
<div>
<style scoped>
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
</style>
<table border="1" class="dataframe">
<thead>
<tr style="text-align: right;">
<th></th>
<th>a</th>
<th>b</th>
<th>c</th>
</tr>
</thead>
<tbody>
<tr>
<th>x</th>
<td>10</td>
<td>20</td>
<td>30</td>
</tr>
<tr>
<th>y</th>
<td>2</td>
<td>4</td>
<td>6</td>
</tr>
<tr>
<th>z</th>
<td>12</td>
<td>24</td>
<td>36</td>
</tr>
</tbody>
</table>
</div>
在进行数组形式的取值时，就可以用上述的索引器 loc, iloc, ix
data.iloc[0:2]
<div>
<style scoped>
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
</style>
<table border="1" class="dataframe">
<thead>
<tr style="text-align: right;">
<th></th>
<th>x</th>
<th>y</th>
<th>z</th>
</tr>
</thead>
<tbody>
<tr>
<th>a</th>
<td>10</td>
<td>2</td>
<td>12</td>
</tr>
<tr>
<th>b</th>
<td>20</td>
<td>4</td>
<td>24</td>
</tr>
</tbody>
</table>
</div>
data.loc['b']
x 20
y 4
z 24
Name: b, dtype: int64
在loc索引器中结合掩码与花式索引
data.loc[data.z > 20, ['x','y']]
<div>
<style scoped>
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
</style>
<table border="1" class="dataframe">
<thead>
<tr style="text-align: right;">
<th></th>
<th>x</th>
<th>y</th>
</tr>
</thead>
<tbody>
<tr>
<th>b</th>
<td>20</td>
<td>4</td>
</tr>
<tr>
<th>c</th>
<td>30</td>
<td>6</td>
</tr>
</tbody>
</table>
</div>
data.loc[['a','b'],['y','z']]
<div>
<style scoped>
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
</style>
<table border="1" class="dataframe">
<thead>
<tr style="text-align: right;">
<th></th>
<th>y</th>
<th>z</th>
</tr>
</thead>
<tbody>
<tr>
<th>a</th>
<td>2</td>
<td>12</td>
</tr>
<tr>
<th>b</th>
<td>4</td>
<td>24</td>
</tr>
</tbody>
</table>
</div>
注意
如果对单个标签取值，就选择列，如果大队多个标签切片，就选择行
data['x'] # 如果输入 data['a'] 就报错，可以试试
a 10
b 20
c 30
Name: x, dtype: int64
data['a':'c'] # 如果输入 data['x':'y'] ，不是你想要的结果
<div>
<style scoped>
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
</style>
<table border="1" class="dataframe">
<thead>
<tr style="text-align: right;">
<th></th>
<th>x</th>
<th>y</th>
<th>z</th>
</tr>
</thead>
<tbody>
<tr>
<th>a</th>
<td>10</td>
<td>2</td>
<td>12</td>
</tr>
<tr>
<th>b</th>
<td>20</td>
<td>4</td>
<td>24</td>
</tr>
<tr>
<th>c</th>
<td>30</td>
<td>6</td>
<td>36</td>
</tr>
</tbody>
</table>
</div>
