python字典和集合对象可以进行索引操作_Python pandas 0.23.1 Indexing and Selecting Data文档翻译...

最近在写个性化推荐的论文，经常用到Python来处理数据，被pandas和numpy中的数据选取和索引问题绕的比较迷糊，索性把这篇官方文档翻译出来，方便自查和学习，翻译过程中难免很多不到位的地方，但大致能看懂，错误之处欢迎指正~

pandas对象中的轴标签信息有很多作用：

· 使用已知指标来标识数据(即提供元数据)，这对于分析、可视化以及交互式控制台的显示都十分重要

· 使能够实现自动和显式的数据对齐

· 允许直观地获取和设置数据集的子集

在这一部分，我们将关注最终的目的：即如何切片，切丁以及一般地获取和设置pandas对象的子集。文章将主要集中在Series和DataFrame上，因为它们在这方面潜力很大。提示：Python和Numpy的索引操作“[ ]”和属性操作“.”为pandas数据结构提供了非常快速和简便的方式。它们能给使交互工作更为直观，如果你已经知道如何操作Python字典和Numpy数组的话，那就没什么新的东西可以学习了。然而，由于数据的类型无法提前预知，直接使用标准操作将会有一些优化的限制。对于产品代码来说，我们建议你可以利用本文展示的优化的pandas数据使用方法。警告：一个设置操作是会返回一个副本还是一个引用可能取决于具体情况。这种有时被称为“链式赋值”，我们应当避免这种情况。请参见返回视图与副本。警告：在0.18.0中对基于浮点的整数索引的变化进行了总结说明，请参见这里。

多索引和更高级的索引文档请参见多索引/高级索引。

一些先进的策略见菜谱。

多样的索引方法

为了实现更简便的基于位置的索引，对象选取方法添加了一些用户的请求。pandas现在支持三种类型的多轴索引。

.loc是最基本的基于标签的索引，但是也可以用于布尔数组。当item无法找到时，.loc将会产生KeyError。合法的输入有：

· 一个单独的标签，如5或“a”,(注意5是作为索引标签，而不是一个整数的位置索引)

· 一个列表或者数组标签[“a”,”b”,”c”]

· 一个带有标签“a”：“f”的切片对象(注意，与Python切片相反，这种切片的第一个和最后一个都包含在内！请参见标签切片。)

· 一个布尔数组

· 一个可调用的函数(调用Series, DataFrame或Panel)并返回索引的有效输出(上面中的一个)

.iloc主要是基于整数位置的索引(从轴的第0位到第length-1位)，但是也可以用于布尔数组。除了允许超范围索引的索引器之外，如果一个请求的索引超出了索引范围，.iloc将会产生IndexError。合法的输入有：

· 一个整数。如5

· 一个列表或整数数组。如[4,3,0]

· 一个整型的切片对象，如1：7

· 一个布尔数组

· 一个可调用的函数(调用Series, DataFrame或Panel)并返回索引的有效输出(上面中的一个)

.loc, .iloc和[ ]索引能够接受一个可调用对象作为索引器。更多请参见基于可调用对象的选取。

使用以下标记从一个多轴对象中获取值(使用.loc为例，但同样适用于.iloc)。任何的轴访问器都可能是空的切片：假定不规范的轴。(如p.loc[‘a’]等价于p.loc[‘a’,:,:])

基础知识

正如在上一章节中介绍数据结构中所提到的那样，使用[ ]进行索引的主要功能(相当于Python中的__getitem__)是选取出低维切片。下面的表显示了使用[ ]索引pandas对象时返回值的类型：

对象类型                 选取                    返回值类型

Series                series[label]             标量值

DataFrame        frame[colname]       对应colname的Series

Panel                  panel[itemname]     对应itemname的DataFrame

这里我们构建了一个简单的时间序列数据集来说明索引功能：

注意：除非特殊说明，所有的索引功能都是通用的，不只适用于该时间序列。

因此，根据上述，我们使用[ ]能够实现最基本的索引：

你可以向[ ]中传递列的列表来按照顺序选取多列。如果某列不在DataFrame中，将引发一个异常。也可以通过这种方式设置多个列。

当将这种变换就地应用到列的子集的时候，你可能会发现这个方法的有用之处。警告：当从.loc, .iloc设置Series和DataFrame时，pandas会将所有轴对齐。

这不会改变df,因为在赋值之前就进行了列对齐。

正确的做法是使用原始值

属性访问

你或许能够直接把Series的index，一个DataFrame的column，一个Panel的item作为一种属性来访问。

警告：

· 只有当索引元素是一个有效的Python标识符时才能使用这种方式进行访问，比如s.1就不可以。请参照关于有效标识符的解释。

· 如果属性和现存的方法名冲突的话，这种方式也不可行。如s.min

· 同样，如果属性名和任意一个如下的名字冲突的话也不可行：index，major_axis, minor_axis, items。

· 无论哪种情况，标准的索引总是可行的，如s[“1”], s[“min”]和s[“index”]都能够访问相应的元素或列。

如果你使用的是IPython的环境，你也可以使用tab-完成键来查看这些访问属性。

你也可以向一个DataFrame的一行分配一个dict。

你可以使用属性访问来修改一个Series或DataFrame的一个列中已有的元素，但是要谨慎操作；如果你试图使用属性访问来创建一列的话，它将会创建一个新的属性，而不是新列。在0.21.0和之后的版本里，该操作将会报出UserWarning:

切片范围

在沿任意轴的切片方法中，鲁棒性和一致性最强的方法是在使用位置选择部分详细介绍的.iloc方法。现在，我们介绍一下使用[ ]操作进行切片的语法。

对于Series来说，这个语法对应的就是ndarray，返回的是值的切片和相关的标签：

需要注意的是设置操作也是如此：

对于DataFrame来说，在[ ]中的切片是对行的操作。由于它的普适性，所以这样非常方便。

使用标签选择警告：对于一个设置操作，是返回一个副本还是引用取决于当时的上下文。这叫做“链式赋值”，这种情况应当避免。请参见返回视图与副本。警告：当你的切片器与索引类型不兼容(或不可转换)时，.loc是非常严格的。例如在一个DatatimeIndex中使用整数的话，将会引发一个Type