Task02-Pandas

1.常用索引
（1）iloc表示位置索引，
⭐首先，涵盖所有行，继而是从第七列往回倒着，-2表示每隔一个取出一个来，-1表示挨个往回倒着的意思

df.iloc[:,7::-2].head()

👇表示第三列，所有行，取出来

df.iloc[:,3].head()

（2）loc表示标签索引
布尔索引，见笑了，我第一次入门这个，很生涩 👇理解为Address这一列，取值为‘street_7’和‘street_4’的数值出来。疑问：但是这个前提下，是要首先知道Address里面都有哪一些内容，这个就要用到Task01当中的df['Name'].value_counts()来查看啦！

df.loc[df['Address'].isin(['street_7','street_4'])].head()

👆和👇两种表示，说的是一个意思，我认为上面的更好理解一些。

df.loc[[True if i[-1]=='4' or i[-1]=='7' else False for i in df['Address'].values]].head()

（3）[]也具有很大的便利性，但是易混淆点也很多
布尔索引再次敲重点⭐

df[df['Gender']=='F'].head()

[]操作符常用于列选择或布尔选择，尽量避免行的选择

2.布尔索引-详解
（1）布尔符号
👇表示把符合这两种情况的都取出来，&表示并且

df[(df['Gender']=='F')&(df['Address']=='street_2')].head()

👇|表示或者，任何这两列中，只要有一个满足条件，就取出来

df[(df['Math']>85)|(df['Address']=='street_7')].head()

👇~表示相反，目标列数中，只要有这两列的

df[~((df['Math']>75)|(df['Address']=='street_1'))].head()

👇有条件索引，(df[:8]['Address']=='street_6')代表前8行，符合这个条件的，这个看起来有些问题，不好理解。。。

df.loc[df['Math']>60,(df[:8]['Address']=='street_6').values].head()

最近时间任务较重，先学习到这里吧~~谢谢大家