python数据框操作_【Python数据挖掘】第二篇--数据框操作

一、索引

索引的主要作用是对数据做切片，能够从pandas的对象中选取数据子集。

1、loc： 基于数据标签，如果标签值不存在，会抛出KeyError

单个的标签值

列表或者数组的标签值

切片范围数据　　(基于索引名称，不属于前闭后开！)

布尔型的数组

# df.loc[ 行操作 , 列操作 ]

# 1、单个的标签值

df.loc[' 标签名称 ']

# 2、列表或者数组的标签值

df.loc[ [0,1,2] , : ]

df.loc[ [0,1,2] , [ 'color' , 'director_name' ,] ]

# 3、切片范围数据

df.loc[ 0:4 , : ]

# 4、布尔型的数组

df.loc[ [True,False,True] , : ] # False 不显示该条数据

df.loc[ df['duration']>=150 ,:]

2、iloc：基于整数位置，如果整数超出了索引范围，会抛出IndexError

一个整数

列表或者数组的整数

整数切片

布尔型数组

#1、一个整数

df.iloc[ 0 , : ]

#2、列表或者数组的整数

df.iloc[ [0,1,2,3] , : ]

#3、整数切片 前闭后开

df.iloc[ 0:4 , : ]

#4、布尔型数组

df.iloc[ [True,False, ] , : ]

3、ix：loc与iloc混合使用

df_new.ix[0:4,['color']]

4、应用：条件筛选

# 1. 筛选条件 , bool 数组

df_new['director_facebook_likes'] >= 100

# 2. 条件组合 , 注意括号

( bool 数组 ) & ( bool 数组 ) & ( bool 数组 )

# 3. 应用

df.loc[ ( bool 数组 ) & ( bool 数组 ) & ( bool 数组 ) ]

# 4. 符合条件 进行标记

df.loc[ (...) & (...) & (...) , ' 新列名' ] = 1

# 5. 标记不符合的数据 => 条件取反~(...) ,注意括号

df.loc[ ~( (...) & (...) & (...) ), ' 新列名' ] = 0

### 方式二 :

df.query(" 条件 & 条件 ")

df.query(" aa >= 100 ")

5、其他

isin 方法

Series.isin( [ '...' , '...' ] )

二、设置索引方法：

1.索引必须在数据集里面,不能外部引入

df.set_index([ '列名' , '...' , ])

df.set_index([ [0,1,2,3] ])

keys : column label or list of column labels