12月组队学习——JoyfulPandas第三章索引

第三章 索引

第三章索引 网页版

学习时间：

12月20日——12月22日（3天）

学习内容：

第三章内容太多了，为方便以后查看，把目录链接放在此处。
学习目录：

一、索引器

1. 表的列索引

列索引一般通过 [ ] 来实现。
通过 [列名] 可以从 DataFrame 中取出相应的列，返回值为 Series
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：

如果要取出多个列，则可以通过 [[列名名1，列表名2，…]] ，其返回值为一个 DataFrame

2. 序列的行索引

【a】以字符串为索引的 Series

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

如果取出多个索引的对应元素，则可以使用 [items的列表]

【b】以整数为索引的 Series

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

注意：

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

注意：

请不要把纯浮点以及任何混合类型（字符串、整数、浮点类型等的混合）作为索引

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。 其中， * 的位置分别是：

1. 单个元素
2. 元素列表
3. 元素切片
4. 布尔列表
5. 函数

【a】 * 为单个元素

直接取出相应的行或列

第一个为多人叫Qiang Sun
第二个为只有一个人叫Quan Zhao

【b】 * 为元素列表

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

类似于数据库，判断是否符合条件，为 True 的位置所对应的行会被选中， False 则会被剔除

删选体重小于70kg的

对于复合条件而言，可以用 |（或）, &（且）, ~（取反） 的组合来实现

例如选出复旦大学中体重超过70kg的大四学生，或者北大男生中体重超过80kg的非大四的学生：

【e】 * 为函数

直接举例说明吧
注意的是函数的形式参数 x 本质上即为 df_demo

还支持使用 lambda 表达式，其返回值也同样必须是先前提到的四种形式之一

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：
1、整数、
2、 整数列表、
3、 整数切片、
4、 布尔列表
5、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。

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 query 表达式中，帮用户注册了所有来自 DataFrame 的列名，所有属于该 Series 的方法都可以被调用，和正常的函数调用并没有区别

例如查询体重超过均值的学生

• 同时，在 query 中还注册了若干英语的字面用法，帮助提高可读性，例如： or, and, or, is in, not in 。
• 在字符串中出现与列表的比较时， == 和 != 分别表示元素出现在列表和没有出现在列表，等价于 is in 和 not in
• 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
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。

sample 函数中的主要参数为
1、n, 抽样数量
2、axis,抽样的方向（0为行、1为列）
3、 frac, 抽样比例（0.3则为从总体中抽出30%的样本）
4、replace, 是否放回
5、weights ，每个样本的抽样相对概率

二、多级索引

1. 多级索引及其表的结构

与单层索引的表一样，具备元素值、行索引和列索引三个部分。
行索引和列索引都是 MultiIndex 类型，只不过 索引中的一个元素是元组

这里建立一张新表，按照颜色区分
行索引的第四个元素为 (“B”, “Male”)
列索引的第二个元素为 (“Height”, “Senior”)
但我还没有太理解作者标记颜色之后的意思。

与单层索引类似， MultiIndex 也具有名字属性

• 图中的 School 和 Gender 分别对应了表的第一层和第二层行索引的名字
• Indicator 和 Grade 分别对应了第一层和第二层列索引的名字。

索引的名字通过 names 获得
索引的值属性通过 values 获得

表格内容如下：

得到某一层的索引，则需要通过 get_level_values 函数

2. 多级索引中的loc索引器

回到原表，将学校和年级设为索引

在索引前最好对 MultiIndex 进行排序以避免性能警告：

在多级索引中的元组有一种特殊的用法，可以对多层的元素进行交叉组合后索引，但同时需要指定 loc 的列，全选则用 : 表示。
[(level_0_list, level_1_list), cols]

3. IndexSlice对象

IndexSlice对象可以对每层进行切片，也允许将切片和布尔列表混合使用

Slice 对象一共有两种形式

第一种为 loc[idx[,]] 型
第二种为 loc[idx[,],idx[,]] 型

下面构造一个 索引不重复的 DataFrame
(构造过程省略，表如下图)

【a】 loc[idx[,]] 型

前一个 * 表示行的选择，后一个 * 表示列的选择

注意：
这种情况并不能进行多层分别切片

【b】 loc[idx[,],idx[,]] 型

前一个 idx 指代的是行索引，后一个是列索引。

4. 多级索引的构造

自己构造多级索引

常用的有
from_tuples,
from_arrays,
from_product

from_tuples 指根据传入由元组组成的列表进行构造

from_arrays 指根据传入列表中，对应层的列表进行构造

from_product 指根据给定多个列表的笛卡尔积进行构造

三、索引的常用方法

1. 索引层的交换和删除

为了方便理解交换的过程，这里构造一个三级索引的例子
构造过程省略，表如下图：

索引层的交换由 swaplevel 和 reorder_levels 完成

• swaplevel只能交换两个层
• reorder_levels可以交换任意层

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

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

构造一个新表

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

同时指定多个列作为索引