索引

一、索引器

1.表的列索引

列索引是最常见的索引形式，一般通过 [] 来实现。通过 [列名] 可以从 DataFrame 中取出相应的列，返回值为 Series。
如果要取出多个列，则可以通过 [列名组成的列表] ，其返回值为一个 DataFrame。此外，若要取出单列，且列名中不包含空格，则可以用 .列名 取出，这和 [列名] 是等价的

2.序列的行索引

【a】以字符串为索引的 Series

1.如果取出单个索引的对应元素，则可以使用 [item] ，若 Series 只有单个值对应，则返回这个标量值，如果有多个值对应，则返回一个 Series。
2.如果取出多个索引的对应元素，则可以使用 [items的列表]。如果想要取出某两个索引之间的元素，并且这两个索引是在整个索引中唯一出现，则可以使用切片，同时需要注意这里的切片会包含两个端点。
3.如果前后端点的值存在重复，即非唯一值，那么需要经过排序才能使用切片。

【b】以整数为索引的 Series

在使用数据的读入函数时，如果不特别指定所对应的列作为索引，那么会生成从0开始的整数索引作为默认索引。当然，任意一组符合长度要求的整数都可以作为索引。

和字符串一样，如果使用 [int] 或 [int_list] ，则可以取出对应索引元素的值。如果使用整数切片，则会取出对应索引位置的值，注意这里的整数切片同 Python 中的切片一样不包含右端点。

3.loc索引器

对于表而言，有两种索引器，一种是基于 元素 的 loc 索引器，另一种是基于 位置 的 iloc 索引器。
loc 索引器的一般形式是 loc[*, ] ，其中第一个 * 代表行的选择，第二个 * 代表列的选择，如果省略第二个位置写作 loc[] ，这个 * 是指行的筛选。其中， * 的位置一共有五类合法对象，分别是：单个元素、元素列表、元素切片、布尔列表以及函数。

【a】 * 为单个元素

此时，直接取出相应的行或列，如果该元素在索引中重复则结果为 DataFrame，否则为 Series。也可以同时选择行和列。

【b】 * 为元素列表

此时，取出列表中所有元素值对应的行或列

【c】 * 为切片

之前的 Series 使用字符串索引时提到，如果是唯一值的起点和终点字符，那么就可以使用切片，并且包含两个端点，如果不唯一则报错。

【d】 * 为布尔列表

在实际的数据处理中，根据条件来筛选行是极其常见的，此处传入 loc 的布尔列表与 DataFrame 长度相同，且列表为 True 的位置所对应的行会被选中， False 则会被剔除。对于复合条件而言，可以用 |（或）, &（且）, ~（取反） 的组合来实现。

【e】 * 为函数

4.iloc索引器

iloc 的使用与 loc 完全类似，只不过是针对位置进行筛选，在相应的 * 位置处一共也有五类合法对象，分别是：整数、整数列表、整数切片、布尔列表以及函数，函数的返回值必须是前面的四类合法对象中的一个，其输入同样也为 DataFrame 本身。
在使用布尔列表的时候要特别注意，不能传入 Series 而必须传入序列的 values ，否则会报错。因此，在使用布尔筛选的时候还是应当优先考虑 loc 的方式。

5.query方法

在 pandas 中，支持把字符串形式的查询表达式传入 query 方法来查询数据，其表达式的执行结果必须返回布尔列表。在进行复杂索引时，由于这种检索方式无需像普通方法一样重复使用 DataFrame 的名字来引用列名，一般而言会使代码长度在不降低可读性的前提下有所减少。
对于 query 中的字符串，如果要引用外部变量，只需在变量名前加 @ 符号。

6. 随机抽样

如果把 DataFrame 的每一行看作一个样本，或把每一列看作一个特征，再把整个 DataFrame 看作总体，想要对样本或特征进行随机抽样就可以用 sample 函数。有时在拿到大型数据集后，想要对统计特征进行计算来了解数据的大致分布，但是这很费时间。同时，由于许多统计特征在等概率不放回的简单随机抽样条件下，是总体统计特征的无偏估计，比如样本均值和总体均值，那么就可以先从整张表中抽出一部分来做近似估计。

sample 函数中的主要参数为 n, axis, frac, replace, weights ，前三个分别是指抽样数量、抽样的方向（0为行、1为列）和抽样比例（0.3则为从总体中抽出30%的样本）。

replace 和 weights 分别是指是否放回和每个样本的抽样相对概率，当 replace = True 则表示有放回抽样。

二、多级索引

三、索引的常用方法

1.索引层的交换与删除

索引层的交换由 swaplevel 和 reorder_levels 完成，前者只能交换两个层，而后者可以交换任意层，两者都可以指定交换的是轴是哪一个，即行索引或列索引。若想要删除某一层的索引，可以使用 droplevel 方法。

2.索引属性的修改

通过 rename_axis 可以对索引层的名字进行修改，常用的修改方式是传入字典的映射。
通过 rename 可以对索引的值进行修改，如果是多级索引需要指定修改的层号 level。

3.索引的设置与重置

索引的设置可以使用 set_index 完成，这里的主要参数是 append ，表示是否来保留原来的索引，直接把新设定的添加到原索引的内层。

4.索引的变形

四、索引运算

1.集合的运算法则

2.一般的索引运算

由于集合的元素是互异的，但是索引中可能有相同的元素，先用 unique 去重后再进行运算。
若两张表需要做集合运算的列并没有被设置索引，一种办法是先转成索引，运算后再恢复，另一种方法是利用 isin 函数。

五、练习

Ex1:
1.

df.query(’(department==[“Dairy”,“Bakery”])&’’(age<=40)&’’(gender==“M”)’)
cond1=df.age<=40
cond2=df.gender==“M”
cond3=df.department==“Dairy”
cond4=df.department==“Bakery”
cond3_4=cond3|cond4
condall=cond1&cond2&cond3_4
df.loc[condall]

df.iloc[(df.EmployeeID%2!=0).values,[0,2,-2]]

参考文档：《Joyful Pandas》——datawhale

最近忙着改论文时间不够用辽，没做的习题会抽时间补哒