数据分析工具Pandas基础--DataFrame的索引操作

知识要点

依据索引获取数据：

列索引：df_obj[‘label’]

不连续列索引：df_obj[ [‘label1’, ‘label2’] ]

行索引，loc[ ]，iloc[ ]

Inplace参数：

Pandas中的很多操作都有参数inplace，如 drop()，replace() …

默认 inplace=False，表示将操作后的结果进行返回，对原始数据不会产生影响

inplace=True，没有返回值，在原始数据上进行操作，对原始数据会产生影响

 

 

 

第五节 DataFrame的索引操作

In [1]:

 

import pandas as pd

import numpy as np

In [3]:

 

# 构建DataFrame

country1 = pd.Series({'Name':'中国',

                      'Language':'Chinese',

                     'Area':'9.597M km2',

                     'Happiness Rank': 79})

​

country2 = pd.Series({'Name':'美国',

                      'Language':'USA',

                     'Area':'9.83M km2',

                     'Happiness Rank': 14})

​

country3 = pd.Series({'Name':'澳大利亚',

                      'Language':'Austria',

                     'Area':'7.692M km2',

                     'Happiness Rank': 9})

​

df = pd.DataFrame([country1,country2,country3],index=['CH','US','AU'])

In [4]:

 

df

Out[4]:

	Name	Language	Area	Happiness Rank
CH	中国	Chinese	9.597M km2	79
US	美国	USA	9.83M km2	14
AU	澳大利亚	Austria	7.692M km2	9

列索引

In [5]:

 

df['Area']

Out[5]:

CH    9.597M km2
US     9.83M km2
AU    7.692M km2
Name: Area, dtype: object

不连续索引

In [7]:

 

df[['Area','Name']]

Out[7]:

	Area	Name
CH	9.597M km2	中国
US	9.83M km2	美国
AU	7.692M km2	澳大利亚

行索引

In [10]:

 

type(df.loc['CH'])

Out[10]:

pandas.core.series.Series

In [9]:

 

df.iloc[1]

Out[9]:

Name                     美国
Language                USA
Area              9.83M km2
Happiness Rank           14
Name: US, dtype: object

混合索引

In [11]:

 

# 先行后列

print(df.loc['CH']['Area'])

print(df.iloc[0]['Area'])

9.597M km2
9.597M km2

In [12]:

 

# 先列后行

print(df['Area']['CH'])

print(df['Area'].loc['CH'])

print(df['Area'].iloc[0])

9.597M km2
9.597M km2
9.597M km2

inplace参数

In [13]:

 

df

Out[13]:

	Name	Language	Area	Happiness Rank
CH	中国	Chinese	9.597M km2	79
US	美国	USA	9.83M km2	14
AU	澳大利亚	Austria	7.692M km2	9

In [14]:

 

# 删除Area列

df.drop('Area',axis=1)

Out[14]:

	Name	Language	Happiness Rank
CH	中国	Chinese	79
US	美国	USA	14
AU	澳大利亚	Austria	9

In [15]:

 

# df没有影响

df

Out[15]:

	Name	Language	Area	Happiness Rank
CH	中国	Chinese	9.597M km2	79
US	美国	USA	9.83M km2	14
AU	澳大利亚	Austria	7.692M km2	9

正确的写法

In [16]:

 

# 写法1：默认inplace=False,返回操作后的结果

df2 = df.drop('Area',axis=1)

df2

Out[16]:

	Name	Language	Happiness Rank
CH	中国	Chinese	79
US	美国	USA	14
AU	澳大利亚	Austria	9

In [17]:

 

# 写法2:inplace=True,在员数据上产生影响，返回None

df.drop('Area',axis=1,inplace=True)

df

Out[17]:

	Name	Language	Happiness Rank
CH	中国	Chinese	79
US	美国	USA	14
AU	澳大利亚	Austria	9

In [ ]:

 

​