数据分析工具Pandas--索引操作总结

理论：

Pandas中，使用索引获取数据的方式可归纳为3种：

1. .loc，标签索引   

2. .iloc，位置索引

loc与iloc主要用于行索引，其中，使用名称/标签的切片索引是包含末尾位置的。

3. 布尔值遮罩：

对应位置为True的时候，则取得该数据。

 

实验：

数据分析工具Pandas基础

索引操作总结

In [1]:

 

import pandas as pd

import numpy as np

In [12]:

 

# 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':'English(US)',

                     'Area':'9.83M km2',

                     'Happiness Rank': 14})

​

country3 = pd.Series({'Name':'澳大利亚',

                      'Language':'English(AU)',

                     'Area':'7.692M km2',

                     'Happiness Rank': 9})

​

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

​

In [3]:

 

df

Out[3]:

	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

.loc标签索引（用于行索引）

In [13]:

 

df.loc['CH']

Out[13]:

Name                      中国
Language             Chinese
Area              9.597M km2
Happiness Rank            79
Name: CH, dtype: object

.iloc位置索引（用于行索引）

In [14]:

 

df.iloc[[0,2]]

Out[14]:

	Name	Language	Area	Happiness Rank
CH	中国	Chinese	9.597M km2	79
AU	澳大利亚	English(AU)	7.692M km2	9

布尔值遮罩

In [15]:

 

# 找出说英语的国家

df['Language'].str.contains('English')

​

Out[15]:

CH    False
US     True
AU     True
Name: Language, dtype: bool

In [16]:

 

#生成布尔值遮罩

filter_condition = df['Language'].str.contains('English')

df[filter_condition]

Out[16]:

	Name	Language	Area	Happiness Rank
US	美国	English(US)	9.83M km2	14
AU	澳大利亚	English(AU)	7.692M km2	9

In [17]:

 

# 过滤出排名前20的国家

df[df['Happiness Rank'] <= 20]

Out[17]:

	Name	Language	Area	Happiness Rank
US	美国	English(US)	9.83M km2	14
AU	澳大利亚	English(AU)	7.692M km2	9

In [ ]:

 

​