Pandas---------(二)

三、选择

      虽然标准的 Python/Numpy 的选择和设置表达式都能够直接派上用场，但是作为工
程使用的代码，我们推荐使用经过优化的 pandas 数据访问方式： .at , .iat ,
.loc , .iloc 和 .ix 。

      获取

     3.1 选择一个单独的列，这将会返回一个Series,等同于df.A

    3.2 通过[]进行选择，这将会对行进行切片。（对行进行索引）

通过标签选择

1、通过标签来获取一个交叉的区域

2、通过标签来在多个轴上进行选择

 

3、标签切片

4、对于返回的对象进行维度缩减

5、获取一个标量

通过位置选择

1、通过传递数值进行位置选择（选择的是行）

 

2、通过数值进行切片，与numpy中的情况类似

3、通过指定一个位置的列表，与numpy、python中的情况类似

4、对行进行切片

5、对列进行切片

6、获取特定的值

快速访问标量，和上方法一致。

布尔索引

1、使用一个单独列的值来选择数据

2、使用where 操作来选择数据：

图中，不符合df>0的数据，显示为NaN.

3、使用isin() 方法来过滤：

isin 用来选择 符合特定值的行，df2['E'].isin(['two','four']) 构成布尔索引。

设置

1、设置一个新的列：

2、通过标签设置新的值：

    

3、通过位置设置新的值：

4、通过一个numpy数组设置一组新值：

上述操作的结果如下：

5、通过where 操作设置新值：

上图，将大于0 的值赋予相反值。

四、缺失值处理

    在 pandas 中，使用 np.nan 来代替缺失值，这些值将默认不会包含在计算中。

    1、reindex() 方法可以对指定轴上的索引进行改变/增加/删除操作，这将返回原始数据的一个拷贝。

    

2、去掉包含缺失值的行：

3、对缺失值进行填充：

4、对数据进行布尔填充：

    判断数据是否为空，空位True，否则为False,返回一组布尔值。