5.2.3 Pandas的索引、 选择和过滤

1.从Series中索引 

obj = pd.Series(np.arange(4.), index=['a', 'b', 'c', 'd'])
print(obj)
print(obj['a'])
print(obj[['b', 'a', 'c']])
print(obj[2:4])#这里用基本顺序切出来的，不包含尾部
print(obj[[1, 3]])
print(obj[obj < 2])
print(obj['b':'c'])#这里用指定的index进行切片时，切出来的是包含尾部的。
#可以修改
obj['b':'c'] = 5
print(obj)

结果：

a    0.0
b    1.0
c    2.0
d    3.0
dtype: float64
0.0
b    1.0
a    0.0
c    2.0
dtype: float64
c    2.0
d    3.0
dtype: float64
b    1.0
d    3.0
dtype: float64
a    0.0
b    1.0
dtype: float64
b    1.0
c    2.0
dtype: float64
a    0.0
b    5.0
c    5.0
d    3.0
dtype: float64

2.从DataFrame中索引

 

data = pd.DataFrame(np.arange(16).reshape(4, 4),
                    index=['Ohio', 'Colorado', 'Utah', 'New York'],
                    columns=['one', 'two', 'three', 'four'])
print(data)
print(data['two'])
print(data[['three', 'one']])
print(data[2:4])#这种切片方式只适用于行，如果 data['two':'four']是不正确的
print(data[:2])
print(data[data['three'] > 5])
print(data[(data['four'] > 11) & (data['three'] > 5)])#注意要用&位运算符进行连接，且前后要加小括号
#使用布尔值对DataFrame进行索引
print(data < 5)
data[data < 5] = 0
print(data)

结果：

          one  two  three  four
Ohio        0    1      2     3
Colorado    4    5      6     7
Utah        8    9     10    11
New York   12   13     14    15
Ohio         1
Colorado     5
Utah         9
New York    13
Name: two, dtype: int32
          three  one
Ohio          2    0
Colorado      6    4
Utah         10    8
New York     14   12
          one  two  three  four
Utah        8    9     10    11
New York   12   13     14    15
          one  two  three  four
Ohio        0    1      2     3
Colorado    4    5      6     7
          one  two  three  four
Colorado    4    5      6     7
Utah        8    9     10    11
New York   12   13     14    15
          one  two  three  four
New York   12   13     14    15
            one    two  three   four
Ohio       True   True   True   True
Colorado   True  False  False  False
Utah      False  False  False  False
New York  False  False  False  False
          one  two  three  four
Ohio        0    0      0     0
Colorado    0    5      6     7
Utah        8    9     10    11
New York   12   13     14    15

 5.2.3.1 使用loc 和 iloc 选择数据。loc是轴标签（指定的标签），iloc是整数标签

通过标签选出单行多列的数据：

print(data.loc['Utah', ['three', 'one', 'four']])
print(data.iloc[1, [0, 3, 1]])
print(data.iloc[[1, 2], [3, 0, 1]])#括号里前一个括号是选取行，后一个括号是选取列
print(data.loc[: 'Utah', 'two'])
print(data.iloc[:, :3][data.three > 5])#这里用iloc多个条件时不用&运算符，并且表示某一列时 用 数据.列的方式

结果：

three    10
one       8
four     11
Name: Utah, dtype: int32
one     4
four    7
two     5
Name: Colorado, dtype: int32
          four  one  two
Colorado     7    4    5
Utah        11    8    9
Ohio        1
Colorado    5
Utah        9
Name: two, dtype: int32
          one  two  three
Colorado    4    5      6
Utah        8    9     10
New York   12   13     14

 总结：

DataFrame 索引选项：

print(data)
print(data['two'])#某一列
print(data[['three', 'one']])#某两列
print(data[2:4])#这种切片方式只适用于行，如果 data['two':'four']是不正确的
print(data[:2])#切片行
print(data[data['three'] > 5])#选择符合条件的列
print(data[(data['four'] > 11) & (data['three'] > 5)])#注意要用&位运算符进行连接，且前后要加小括号
#使用布尔值对DataFrame进行索引
print(data < 5)
data[data < 5] = 0
print(data)
print(data.loc['Utah'])#选取行
print(data.loc['Utah', ['three', 'one', 'four']])#选取指定行和列
print(data.loc[: 'Utah', 'two'])
print(data.iloc[1, [0, 3, 1]])
print(data.iloc[[1, 2], [3, 0, 1]])#括号里前一个括号是选取行，后一个括号是选取列
print(data.iloc[:, :3][data.three > 5])#这里用iloc多个条件时不用&运算符，并且表示某一列时 用 数据.列的方式