joyful pandas task3-索引

（1）loc索引
1.选择多行
df_demo.loc[[‘Qiang Sun’,‘Quan Zhao’], [‘School’,‘Gender’]]
df_demo.loc[‘Gaojuan You’:‘Gaoqiang Qian’, ‘School’:‘Gender’]
2.条件筛选
df_demo.loc[df_demo.Weight>70].head()
df_demo.loc[condition_1 | condition_2]
3.前面所提到的传入元素列表，也可以通过isin方法返回的布尔列表等价写出，例如选出所有大一和大四的同学信息：
df_demo.loc[df_demo.Grade.isin([‘Freshman’, ‘Senior’])].head()
4.此外，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：
df_demo.loc[lambda x:‘Quan Zhao’, lambda x:‘Gender’]
5.由于函数无法返回如start: end: step的切片形式，故返回切片时要用slice对象进行包装：
df_demo.loc[lambda x: slice(‘Gaojuan You’, ‘Gaoqiang Qian’)]

（2）iloc索引
1.选择多行
df_demo.iloc[[0, 1], [0, 1]] # 前两行前两列
df_demo.iloc[1: 4, 2:4] # 切片不包含结束端点
2.条件筛选
df_demo.iloc[(df_demo.Weight>80).values].head()
3.lambda表达式
df_demo.iloc[lambda x: slice(1, 4)] # 传入切片为返回值的函数

（3）多级索引
1.索引的名字和值属性分别可以通过names和values获得
df_multi.index.names
df_multi.columns.names
df_multi.index.values
df_multi.columns.values
如果想要得到某一层的索引，则需要通过get_level_values获得：
df_multi.index.get_level_values(0)
2.loc索引
类似上文：
df_multi.loc[[(‘Fudan University’, ‘Senior’), (‘Shanghai Jiao Tong University’, ‘Freshman’)]].head()
3.IndexSlice对象
需要先定义：idx = pd.IndexSlice
df_ex.loc[idx[:‘A’, ‘b’:], idx[‘E’:, ‘e’:]]
df_ex.loc[idx[:‘A’, lambda x:x.sum()>0]] # 列和大于0

（4）索引运算
1.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。
2.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，例如在重置索引的第一张表中选出id列交集的所在行：
df_set_in_col_1 = df_set_1.reset_index()
df_set_in_col_2 = df_set_2.reset_index()
df_set_in_col_1[df_set_in_col_1.id1.isin(df_set_in_col_2.id2)]

转：joyful pandas