醒醒，别睡了...讲《数据分析pandas库》了—/—＜3＞

直接上知识点

一、

1、新建数据框时建立索引

        所有的数据框默认都已经使用从 0 开始的自然数索引，因此这里的"建立”索引指的是自定

df = pd.DataFrame( {'varl' : 1.0, ' var2' :[1,2,3,4], 'var3' :['test','python','test','hello'] , 'var4' : 'cons'} , index =[0,1,2,3])

如上部代码所示，创建一个二维数组，其列名为var1,var2,var3,var4,其索引值为0,1,2,3,

因为在创建数据帧时，使用了字典来指定每列的值，在字典中，如果我们只提供了一个值而不是一个列表或数组，那么这个值将被复制到每一行中的相应列。所以'varl':1.0,被复制到了一整列，'cons'这个值也被复制到了var4列的每一行。

其输出结果如图：

2、指定某列为索引列

其使用方法如下：

df.set_index(
    keys :被指定为索引的列名，复合索引用 list:格式提供
    drop = True :建立索引后是否删除该列
    append = False :是否在原索引基础上添加索引，默认是直接替换原索引
    inplace = False :是否直接修改原数据框 )

例如下列这个例子：

id1=pd.Series([1,2,3,4,5])
id2=pd.Series([5,6,4,12,7])
df=pd.DataFrame({'id':id1,'age':id2})
new_df=df.set_index(keys=['id','age'],drop=False)

new_df=df.set_index(keys=['id'],append=True)

        首先建立两个类似一维数组的列表，然后将这两个列表通过DateFrame链接成一个二维数组，之后再通过new_df=df.set_index(keys=['id','age'],drop=False)这串代码中的df.setindex更改索引，其中key指定了id和age两列作为索引列，然后通过drop=False来保留原列，默认是删除，使其id和age这两列不仅成为了索引，而且还多出来两列当做内部元素，其打印结果如下图1，然后new_df=df.set_index(keys=['id'],append=True)代码是对df中指定id这一列为索引，而append则是决定是否在处理好的元素上再增加一个从零开始的索引列，默认是替换原索引。

图1：      图2：

3、将索引还原变量列

用法如下：

df.reset_index(drop = False :是否将原索引直接删除，而不是还原为变量列inplace = False :是否直接修改原数据框)

看实例：

id1=pd.Series([1,2,3,4,5])
id2=pd.Series([5,6,4,12,7])
df=pd.DataFrame({'id':id1,'age':id2})
df.set_index (['id','age'])

        即是直接将df中的两列数组变成索引列，其得到的结果为：

3.1 将索引全部还原为变量

即将原索引增加一列列名为index的列到原数组，然后外面重新定义了一个从0开始的索引

df.reset_index ()

其打印结果如图所示：

3.2 是否删除 index 列

df.reset_index (drop=True)

默认drop=False，则为上图所示状态，改为True则删除上图中的index列

4、引用和修改索引

注意：索引也是有储存格式的，需要区分数值型和字符串型的引用方式

        df.index:查看索引

4.1 修改索引

本质上和变量列名修改方式相同

如下代码所示即为指定索引列名称为sno

df = pd.DataFrame({'name':['zs','ls','ww'],'level':['vip1','vip2','pm']})
df.index.name='sno'

上示代码结果为：

df2 = pd.read_excel('stu_data.xlsx')
df3 = df2.set_index(keys = '学号')

这里即为导入一个xlsx文件，然后指定其中的列名为‘学号’的列为索引

df4 = pd.read_excel('stu_data.xlsx')
df5 = df2.set_index(keys = ['学号','性别'])
# df5.index.names = ['no','sex']
df5.index.names=[None,None]
df5

df4读取一个文件，df5为指定其中的两列为索引列，然后再通过index.names更改索引列名称

4.2 修改索引值

修改的本质上就是全部替换

df1.index = ['a', 'b', 'c']

5、更新索引

        reindex 则可以使用数据框中不存在的数值建立索引，并据此扩充新索引值对应的索引行/列，同时进行缺失值填充操作。

df.reindex(labels :类数组结构的数值，将按此数值重建索引，非必需
    copy = True :建立新对象而不是直接更改原 df/series 缺失数据的处理方式
    method :针对已经排序过的索引，确定数据单元格无数据时的填充方法，非必需
    pad / ffill:用前面的有效数值填充
    backfill / bfill:用后面的有效数值填充
    nearest:使用最接近的数值逬行填充
    fill_value = np.NaN :将缺失值用什么数值替代
    limit = None :向前/向后填充时的最大步长)

代码演示：

代码1：指定行索引，打印索引内的内容

import pandas as pd
df = pd.DataFrame({'name':['zs','ls','ww'],'level':['vip1','vip2','pm']})
df.reindex([0,1,3])

定义数组后，用reindex更改索引值为0，1，3，

注意：此时更改了索引值，即只打印这个索引的内容，如果索引没有数据，则打印NaN

代码2：从上一行填充

df.reindex([0,1,2,3],method='ffill')

打印指定索引0,1,2,3的内容，如果没有数据则直接填充上一行的数据

代码3：指定填充代码

df.reindex([0,1,2,3],fill_value="test")

没有值的位置填充指定值：

6、Series的索引和切片

6.1 索引

import numpy as np
import pandas as pd
data=pd.Series([4,3,25,2,3],index=list('abcde'))
data['a'] #根据key获取,其打印结果为4
data[1] #索引获取，其打印结果也是4
data[-1]#打印结果为3

6.2 切片

        如果索引与行名相同都是1，这时候就不知道是按照哪个来获取，所以获取时候使用loc、iloc

import numpy as np
import pandas as pd
data=pd.Series([4,3,25,2,3],index=list('abcde'))
# data['a':'d'] #其打印结果为带索引名的值为,4,3,25,2
data[2:4] #索引切片,打印带索引名称的值，为25,2
# data[-3:-1] #从后往前取值
data[data>3]  #布尔取值，取列中的大于3的值所对应的行

6.3 loc与iloc的使用

data=pd.Series([5,3,2,5,9],index=[1,2,3,4,5])
data.loc[1] #指定名称型索引
data.iloc[1] #指定数值的索引