作者 | 周志鹏责编 | 刘静
据不靠谱的数据来源统计，学习了Pandas的同学，有超过60%仍然投向了Excel的怀抱，之所以做此下策，多半是因为刚开始用Python处理数据时，选择想要的行和列实在太痛苦，完全没有Excel想要哪里点哪里的快感。 第一篇潘大师(初识Pandas)教程考虑到篇幅问题只讲了最基础的列向索引，但这显然不能满足同志们日益增长的个性化服务(选取)需求。为了舒缓痛感，增加快感，满足需求，第二篇内容我们单独把索引拎出来，结合场景详细介绍两种常用的索引方式：- 第一种是基于位置(整数)的索引，案例短平快，有个粗略的了解即可，实际中偶有用到，但它的应用范围不如第二种广泛。
- 第二种是基于名称(标签)的索引，这是要敲黑板练的重点，因为它将是我们后面进行数据清洗和分析的重要基石。
和第一篇数据集一样，记录着不同流量来源下，各渠道来源明细所对应的访客数、支付转化率和客单价。数据集虽然简短(复杂的案例数据集在基础篇完结后会如约而至)，但是有足够的代表性，下面开始我们索引的表演。
基于位置(数字)的索引
先看一下索引的操作方式：
我们需要根据实际情况，填入对应的行参数和列参数。
场景一(行选取)
目标：选择“流量来源”等于“一级”的所有行。
思路：手指戳屏幕数一数，一级的渠道，是从第1行到第13行，对应行索引是0-12，但Python切片默认是含首不含尾的，要想选取0-12的索引行，我们得输入“0:13”，列想要全部选取，则输入冒号“：”即可。
场景二(列选取)
目标：我们想要把所有渠道的流量来源和客单价单拎出来看一看。
思路：所有流量渠道，也就是所有行，在第一个行参数的位置我们输入“：”；再看列，流量来源是第1列，客单价是第5列，对应的列索引分别是0和4：
值得注意的是，如果我们要跨列选取，得先把位置参数构造成列表形式，这里就是[0,4]，如果是连续选取，则无需构造成列表，直接输入0:5(选取索引为0的列到索引为4的列)就好。
场景三(行列交叉选取)
目标：我们想要看一看二级、三级流量来源、来源明细对应的访客和支付转化率
思路：先看行，二级三级渠道对应行索引是13:17，再次强调索引含首不含尾的原则，我们传入的行参数是13:18；列的话我们需要流量来源、来源明细、访客和转化，也就是前4列，传入参数0:4。
基于名称(标签)的索引
为了建立起横向对比的体感，我们依然沿用上面三个场景。 场景一：选择一级渠道的所有行。 思路：这次我们不用一个个数位置了，要筛选流量渠道为"一级"的所有行，只需做一个判断，判断流量来源这一列，哪些值等于"一级"。
返回的结果由True和False(布尔型)构成，在这个例子中分别代表结果等于一级和非一级。
在loc方法中，我们可以把这一列判断得到的值传入行参数位置，Pandas会默认返回结果为True的行(这里是索引从0到12的行)，而丢掉结果为False的行，直接上例子：
场景二：
我们想要把所有渠道的流量来源和客单价单拎出来看一看。
思路：所有渠道等于所有行，我们在行参数位置直接输入“:”，要提取流量来源和客单价列，直接输入名称到列参数位置，由于这里涉及到两列，所以得用列表包起来：
场景三：
我们想要提取二级、三级流量来源、来源明细对应的访客和支付转化率。
思路：行提取用判断，列提取输入具体名称参数。
此处插播一条isin函数的广告，这个函数能够帮助我们快速判断源数据中某一列(Series)的值是否等于列表中的值。拿案例来说，df['流量来源'].isin(['二级','三级'])，判断的是流量来源这一列的值，是否等于“二级”或者“三级”，如果等于(等于任意一个)就返回True，否则返回False。我们再把这个布尔型判断结果传入行参数，就能够很容易的得到流量来源等于二级或者三级的渠道。
既然loc的应用场景更加广泛，应该给他加个鸡腿，再来个接地气的场景练练手。
插入场景之前，我们先花30秒的时间捋一捋Pandas中列(Series)向求值的用法，具体操作如下：
只需要加个尾巴，均值、标准差等统计数值就出来了，了解完这个，下面正式进入场景四。
场景四：对于流量渠道数据，我们真正应该关注的是优质渠道，假如这里我们定义访客数、转化率、客单价都高于平均值渠道是优质渠道，那怎么找到这些渠道呢？
思路：优质渠道，得同时满足访客、转化、客单高于平均值这三个条件，这是解题的关键。
先看看均值各是多少：
再判断各指标列是否大于均值：
要三个条件同时满足，他们之间是一个“且”的关系(同时满足)，在pandas中，要表示同时满足，各条件之间要用"&"符号连接，条件内部最好用括号区分；
如果是“或”的关系(满足一个即可)，则用“|”符号连接：
这样连接之后，返回True则表示该渠道同时满足访客、转化率、客单价都高于均值的条件，接下来我们只需要把这些值传入到行参数的位置。
到这一步，我们直接筛选出了4条关键指标都高于均值的优质渠道。
这两种索引方式，分别是基于位置(数字)的索引和基于名称(标签)的索引，关键在于把脑海中想要选取的行和列，映射到对应的行参数与列参数中去。
只要稍加练习，我们就能够随心所欲的用pandas处理和分析数据，迈过了这一步之后，你会发现和Excel相比，Python是如此的美艳动人。
作者：周志鹏，2年数据分析，深切感受到数据分析的有趣和学习过程中缺少案例的无奈，遂新开公众号「数据不吹牛」，定期更新数据分析相关技巧和有趣案例(含实战数据集)，欢迎大家关注交流。
声明：本文为作者投稿，版权归作者个人所有。
【END】
热 文 推 荐
☞马云获福布斯终身成就奖；华为推出首款 4G 芯片 Balong 711；PyPy 7.2 发布 | 极客头条
☞谁来结束 GUI 程序？| CSDN 博文精选
☞ 不服！身边程序员同事竟说自己敲代码速度快！Ctrl+C、Ctrl+V ？☞【只有光头才能变强，文末有xx】分享一波Lambda表达式
☞如何解决多机房、多网络下的物联网部署方案？
☞从4个维度深度剖析闪电网络现状，在CKB上实现闪电网络的理由 | 博文精选
☞太鸡冻了！我用Python偷偷查到暗恋女生的名字
☞一文了解超级账本DLT、库、开发工具有哪些, Hyperledger家族成员你认识几个？
你点的每个“在看”，我都认真当成了喜欢
扫一扫
4548
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
