数据分析之数据选择

1）一维数组元素提取

沿着单个轴，整数做下标用于选择单个元素，切片做下标用于选择元素的范围和序列。正整数用于从数组的开头开始索引元素(索引从0开始)，而负整数用于从数组的结尾开始索引元素，其中最后一个元素的索引是-1，第二个到最后一个元素的索引是-2

Expression	Description
a[m]	选择下标m处的元素，其中m为整数(从0开始计数)
a[-m]	从列表末尾选择第m个元素，其中m是整数。列表中的最后一个元素地址为-1，倒数第二个元素地址为-2，依此类推
a[m:n]	选择索引从m开始，以n−1结束的元素(m和n都是整数)
a[:] or a[0:-1]	选择给定轴中的所有元素
a[:n]	选择从索引0开始一直到索引n−1(整数)的元素
a[m] or a[m:-1]	选择从下标m(整数)开始一直到数组中最后一个元素
a[m:n:p]	选择索引为m到n的元素，增量为p。
a[::-1]	将数组所有元素逆置

（2）多维数组行列选择、区域选择

二维数组的索引格式是[a:b,m:n], 逗号前选择行，逗号后选择列。而在选择行和列的时候可以传入列表，或者使用冒号来进行切片索引。

1. NumPy数据选择

数组的索引主要用来获得数组中的数据。在 NumPy 中数组的索引可以分为两大类：一是一维数组的索引；二是二维数组的索引。一维数组的索引和列表的索引几乎是相同的，二维数组的索引则有很大不同。

    下面主要介绍二维数组的索引：

二维数组的索引格式是[a:b,m:n], 逗号前选择行，逗号后选择列。而在选择行和列的时候可以传入列表，或者使用冒号来进行切片索引。

举例

选择第一行第二列的数据元素并输出

选择第一行的数据元素并输出

Arr【0,1】代表选中第一行第二列，arr【0】代表选中第一行全部

这种方法被称为“元组索引”。

选择第一列的数据元素并输出。 关键技术：多维数组中对列的选择，可以使用[]运算符、冒号运算符和逗号运算符，其中冒号运算符对行号选择，间隔逗号后再对列号选择即可，具体程序代码如下所示：

行中Start和end和step都是默认，因此只有一个“：”出现，意思是选中第一行全部元素

“，”后出现0，说明选中第一列，则结果是1,4，

（3）花式索引与布尔值索引

①布尔索引

通过⼀个布尔数组来索引目标数组，以此找出与布尔数组中值为True的对应的目标数组中的数据。需要注意的是，布尔数组的长度必须与目标数组对应的轴的长度⼀致。

意思是输出true对应的

②花式索引

找出数组arr中⼤于15的元素。

把上述数组中，⼩于或等于15的数归零。

2 Pandas数据选择

写法	功能
变量名[ index]	index对应的值
变量名[ [index1, index2, index3, ……… ] ]	依次提取对应行的值
变量名[ 下限index1 : 上限index2 : 步长]	在下限的基础上，取出步长的行，并遇到上限就截止

（2）DataFrame数据获取

①列索引取值

输入	输出
df.列名	取出单列，输出格式为Series
df[列名]	取出单列，输出格式为Series
df[ [列名] ]	取出单列，输出格式为DataFrame
df[ [列名1，列名2, 列名3， ……] ]	取出各个列对应的元素，输出格式为DataFrame

Dataframe转化成series后，索引和值可以互相取

②取行方式

[下界 ：上界 ：步长]

这里的一取就是一整行

loc() 方法

(1)直接使用法

一个参数：	df.loc[行索引]    df.loc[ [行index] ] df.loc[ [行index1， 行index2, 行index3 ， ……] ]
两个参数：	df.loc[row横_label, col纵_label] df.loc[ [row横_label1, row横_label2, ……], [col纵_label1, col纵_label2, ……]]

横向（行索引 index）是必备的。

iloc() 方法

iloc 的使用与 loc 完全类似，只不过是针对“位置（ = 第几个 ）”

iloc[函数]中的函数使用方法：

①函数 = 自定义函数 （函数的返回值需要是合法对象 （= 整数、整数列表、整数切片、布尔列表））

匿名函数 lambda ：使用方法

语法：lambda 自变量: slice(start = 下界, stop = 上界, step = 步长)。