pandas keyerror: 标签_Pandas 操作数据集（最全总结之一）

最新推荐文章于 2022-03-09 09:17:46 发布
最新推荐文章于 2022-03-09 09:17:46 发布
阅读量1.9k 收藏 6
点赞数 3
文章标签： pandas keyerror: 标签 pandas的数据清洗的数据集下载 python pandas 列位置

d82bd067011ef6ef7a0704642baeebf0.png

Pandas 操作数据集（最全总结之一）

第1部分：选择带[ ]，.loc和.iloc

这是关于如何从pandas DataFrame或Series中选择数据子集的四部分系列的开始。Pandas为子集选择提供了多种选择，这需要多篇文章。本系列分为以下四个主题。

  1. 选择带[]，.loc和.iloc
  2. 布尔索引
  3. 分配数据子集
  4. 如何不选择数据子集

开始之前的假设

这些系列文章假定您不了解Pandas，但是您了解Python编程语言的基础。它还假定您已在计算机上安装了Pandas。

将Pandas与Python和其他主要科学计算库结合使用的最简单方法是安装Miniconda发行版（请参阅完整的教程的链接）。

进行子集选择的重要性

您可能想知道，为什么有那么多关于选择数据子集的文章。这个主题对pandas来说非常重要，很遗憾它很复杂，因为在实际分析中子集选择经常发生。由于您经常选择子集，因此需要掌握它才能使pandas变得更轻松。

参考文档

有关索引和选择数据的官方pandas文档也涵盖了本文中的材料。我强烈建议您与本教程一起阅读文档的该部分。实际上，文档是掌握pandas的主要手段之一。我写了一篇循序渐进的文章“ 如何学习pandas”，其中提供了有关如何在掌握pandas的同时使用文档的建议。

DataFrame和Series的剖析

pandas库具有两个主要的数据容器：DataFrame和Series。使用Pandas时，几乎所有的时间都花在处理这两个对象上。DataFrame的使用比Series更多，因此让我们首先看一下它的图像。

e3e068dc49fe935862622bab2ebb8db4.png

此图像带有一些附加的插图，以突出显示其组件。乍一看，DataFrame看起来就像您看到的任何其他二维数据表一样。它有行，有列。从技术上讲，DataFrame具有三个主要组件。

DataFrame的三个组成部分

DataFrame由三个不同的组件组成：索引，列和数据。数据也称为值。

索引表示DataFrame最左侧的值序列。索引中的所有值都在粗字体。索引的每个单独的值称为标签。有时，该索引称为行标签。在上面的示例中，行标签不是很有趣，只是从0到n-1的整数，其中n是表中的行数。pandas默认使用此简单索引作为DataFrames。

这些列是DataFrame顶部的值序列。它们也以粗体显示。列的每个单独的值都称为列，但也可以称为列名或列标签。

其他所有非粗体字都是数据或值。有时您会听到被称为表格数据的DataFrames 。这只是具有行和列的矩形表数据的另一个名称。将行或列称为轴也是常见的术语。统称为“ 轴”。因此，一行是一个轴，一列是另一个轴。

每行都有一个标签，每列都有一个标签

从DataFrame解剖结构中得出的主要结论是，每行都有一个标签，每列都有一个标签。这些标签用于引用DataFrame中的特定行或列。这与人类如何使用名称来指代特定的人一样。

什么是子集选择？

在开始选择子集之前，最好定义一下子集。子集选择只是从DataFrame（或Series）中选择数据的特定行和列。这可能意味着选择所有行和一些列，选择一些行和所有列，或者选择每个行和列。

选择某些列和所有行的示例

让我们看一些子集选择的图像。我们将首先查看带有伪数据的示例DataFrame。

cf888ab670e73d5d238c80cce5fd437e.png

比方说，我们要选择的只是列color，age和height但保留所有行。

我们最终的DataFrame如下所示：

aa6e596f0ab45d227b301a4dff6b5a0b.png

选择一些行和所有列的示例

我们还可以进行选择，仅选择一些行。我们选择带有标签的行Aaron，并Dean连同所有的列：

2902b0113655632d179a16ddd21a57b6.png

我们最终的DataFrame希望：

bb10c0b067da98f16bf6ea57cd316721.png

选择一些行和一些列的示例

让我们从上面结合选择和选择的列color，age以及height只带标签的行Aaron和Dean。

f3d854c41fd0f6c1718cc4bcb1d2259b.png

我们最终的DataFrame如下所示：

232f4aca2dc2383bf13e5955c20bed95.png

熊猫双重参考：按标签和按整数位置

我们已经提到过，每一行和每一列都有一个可用来引用它们的特定标签。这在DataFrame中以粗体显示。

但是，没有提到的是，每一行和每一列也可以由整数引用。我称这个整数位置。对于每一行和每一列，整数位置从0开始，以n-1结束。再次在上方查看我们的示例DataFrame。

带标签的行Aaron和Dean还可以通过它们各自的整数位置2和4类似地，列中引用color，age并且height可以通过它们的整数位置1，图3和4中被引用。

该文档将整数位置称为position。我不特别喜欢这种术语，因为它不像整数位置那样明确。这里的关键术语是整数。

索引和选择数据子集有什么区别？

该文档经常使用术语索引。这个术语本质上只是一个单字短语，用来表示“子集选择”。我更喜欢术语子集选择，因为它再次描述了实际发生的事情。索引也是官方Python文档中使用的术语。

只注重[]，.loc以及.iloc

选择数据子集的方法有很多，但是在本文中，我们仅介绍方括号（[]）**.loc**和的用法**.iloc**。它们统称为索引器。到目前为止，这些是选择数据的最常用方法。本系列的不同部分将讨论一些可用于进行子集选择的方法。

如果您有一个DataFrame，则df您的子集选择将类似于以下内容：

df [] 
df.loc [] 
df.iloc []

实际的子集选择将在方括号内包含一些内容。本文中的所有选择都将在这些方括号内进行。

请注意，方括号也位于.loc和之后.iloc。Python中的所有索引都发生在这些方括号内。

使用以下命令将数据读入DataFrame read_csv

让我们开始使用熊猫读取DataFrame，然后从那里单独使用索引运算符选择数据子集。这些教程的所有数据都在数据目录中。

我们将使用该read_csv 函数将数据读入DataFrame。我们将路径传递到文件作为函数的第一个参数。我们还将使用该index_col`参数选择数据的第一列作为索引（稍后会对此进行更多介绍）。

>>> import pandas as pd
>>> import numpy as np>>> df = pd.read_csv('data/sample_data.csv', index_col=0)
>>> df

cf888ab670e73d5d238c80cce5fd437e.png

提取单个DataFrame组件

之前，我们提到了DataFrame的三个组件。索引，列和数据（值）。我们可以将每个组件提取到它们自己的变量中。让我们这样做，然后检查它们：

>>> index = df.index
>>> columns = df.columns
>>> values = df.values
>>> index
Index(['Jane', 'Niko', 'Aaron', 'Penelope', 'Dean', 'Christina', 
       'Cornelia'], dtype='object')
>>> columns
Index(['state', 'color', 'food', 'age', 'height', 'score'], 
      dtype='object')
>>> values
array([['NY', 'blue', 'Steak', 30, 165, 4.6],
       ['TX', 'green', 'Lamb', 2, 70, 8.3],
       ['FL', 'red', 'Mango', 12, 120, 9.0],
       ['AL', 'white', 'Apple', 4, 80, 3.3],
       ['AK', 'gray', 'Cheese', 32, 180, 1.8],
       ['TX', 'black', 'Melon', 33, 172, 9.5],
       ['TX', 'red', 'Beans', 69, 150, 2.2]], dtype=object)

组件的数据类型

让我们输出每个组件的类型，以准确了解它们是什么类型的对象。

>>> type（index）
pandas.core.indexes.base.Index 
>>> type（columns）
pandas.core.indexes.base.Index 
>>> type（values）
numpy.ndarray

了解这些类型

有趣的是，索引和列都是同一类型。它们都是pandasIndex对象。该对象本身功能非常强大，但是现在您可以将其视为行或列的标签序列。

这些值是NumPy `ndarray，代表n维数组，并且是NumPy库中数据的主要容器。Pandas直接建立在NumPy之上，正是这个数组负责大部分工作量。

从DataFrames上的索引运算符开始

Selecting a single column as a Series

我们将仅通过在DataFrame上使用索引运算符来开始选择子集的过程。其主要目的是选择单列或多列数据。

>>> df['food']
Jane          Steak
Niko           Lamb
Aaron         Mango
Penelope      Apple
Dean         Cheese
Christina     Melon
Cornelia      Beans
Name: food, dtype: object

系列（Series）解剖

选择单列数据将返回另一个pandas数据容器系列。系列是标记数据的一维序列。系列有两个主要组成部分，即索引和数据（或值）。系列中没有列。

系列的视觉显示只是纯文本，而不是DataFrames的样式表。左边的人名的顺序是索引。右边的实例顺序是数值。

您还将在系列底部注意到另外两个数据。系列的名称变为旧列名称。您还将看到数据类型或**dtype**系列数据。您现在可以忽略这两个项目。

选择多个列将返回一个DataFrame

选择多个列将返回一个DataFrame。实际上，您可以选择一个列作为具有一个项目列表的DataFrame：

df [['food']]

1bc62209532f2201fa0e4f1b2644ce06.png

尽管这与上面的Series很像，但从技术上讲它是一个DataFrame，是一个不同的对象。

列顺序无关紧要

选择多个列时，可以按选择的任何顺序选择它们。它的顺序不必与原始DataFrame相同。例如，让我们选择height和color。

`df [['height'，'color']]`

290e7c1209c9a562bab16205c750e79a.png

例外情况

仅使用索引运算符进行选择时，会出现几个常见的例外。

  • 如果您拼错一个单词，则会得到一个 **KeyError**
  • 如果您忘记使用列表包含多个列，则还会得到一个 **KeyError**
>>> df['hight']
KeyError: 'hight'
>>> df['color', 'age'] # should be:  df[['color', 'age']]
KeyError: ('color', 'age')

索引运算符总结

  • 其主要目的是通过列名选择列
  • 通过直接将列名传递给它，选择一个列作为“系列”： **df['col_name']**
  • 通过将列表传递给它来选择多个列作为DataFrame ：**df[['col_name1', 'col_name2']]**
  • 您实际上可以选择带有它的行，但是由于它很混乱并且不经常使用，因此此处不会显示。

入门 .loc

该**.loc**索引中选择不仅仅是索引操作方式不同的数据。它可以选择行或列的子集。它还可以同时选择行和列的子集。最重要的是，它仅根据行和列的标签选择数据。

选择一行作为具有 .loc

**.loc**当给定单行标签时，索引器将返回一行作为系列。让我们选择的行**Niko**。

>>> df.loc['Niko']
state        TX
color     green
food       Lamb
age           2
height       70
score       8.3
Name: Niko, dtype: object

选择多个行作为DataFrame与 .loc

要选择多行，请将您要选择的所有行标签放在列表中，然后将其传递给**.loc**。让我们选择Niko和Penelope。

>>> df.loc [['Niko'，'Penelope']]

8dba53b6eee6233d4adb4294080b7fcb.png

使用切片符号选择带有 .loc

可以.loc通过使用切片符号来“切片” DataFrame的行。切片符号使用冒号分隔开始，停止和步进值。例如，我们可以选择所有的行Niko经过Dean是这样的：

>>> df.loc ['Niko'：'Dean']

70da5e71ebf593aaff98369cbe7985d2.png

.loc 包括带有切片符号的最后一个值

请注意，标有的行Dean已保留。在其他数据容器（如Python列表）中，最后一个值被排除。

其他切片

您可以像使用列表一样使用切片符号。让我们从头开始切开Aaron：

>>> df.loc [：'Aaron']

d939b8e2db14da90671b56381ee265e7.png 
>>> df.loc ['Niko'：'Christina'：2]

d939b8e2db14da90671b56381ee265e7.png 
>>> df.loc ['Dean'：]

ca322070826b53f944de8db63ea890f1.png

### 同时选择行和列 .loc

与仅索引运算符不同，可以与同时选择行和列.loc。通过用逗号分隔行和列的选择来完成此操作。它看起来像这样：

>>> df.loc [行选择，列选择]

选择两行三列

举例来说，如果我们想要选择的行Dean和Cornelia与列一起age，state和score我们这样做：

>>> df.loc [['Dean'，'Cornelia']，['age'，'state'，'score']]

35cdcf9528484c28718a0b51397ae00d.png

对行或列使用选择的任意组合 .loc

正如我们已经看到的，行或列的选择可以是以下任意一种：

  • 单个标签
  • 标签列表
  • 带有标签的切片

我们可以使用来将这三个中的任何一个用于行或列选择**.loc**。让我们看一些例子。

让我们选择两行和一列：

>>> df.loc[['Dean', 'Aaron'], 'food']
Dean     Cheese
Aaron     Mango
Name: food, dtype: object

选择行的一部分和列的列表：

>>> df.loc ['Jane'：'Penelope'，['state'，'color']]

be3bcc89adeef39362c95b0cec6636dc.png

选择单行和单列。这将返回一个标量值

>>> df.loc ['Jane'，'age'] 
30

选择一片行和列

>>> df.loc [：'Dean'，'height'：]

选择所有行和一些列

可以使用单个冒号选择所有行。然后，您可以照常选择列：

>>> df.loc [:, ['food'，'color']]

f7256f10ec5013c79e72f74721fc7884.png

您还可以使用此表示法选择所有列：

>>> df.loc [['Penelope'，'Cornelia']，：]

28a42ef7aa452e68cb8d693aae1544b7.png

但是，正如我们所见，这不是必需的，因此您可以省略最后一个冒号：

>>> df.loc [['Penelope'，'Cornelia']]

28a42ef7aa452e68cb8d693aae1544b7.png

将行和列选择分配给变量

在使用之前，将行和列选择分配给变量可能会更容易.loc。如果要选择许多行或列，这将很有用：

>>> rows = ['Jane', 'Niko', 'Dean', 'Penelope', 'Christina']
>>> cols = ['state', 'age', 'height', 'score']
>>> df.loc[rows, cols]

7ad565c6c743c89c33aee49ba0e30801.png

总结 .loc

  • 仅使用标签
  • 可以同时选择行和列
  • 选择内容可以是单个标签，标签列表或标签切片
  • 在行和列选择之间放置逗号

入门 .iloc

该.iloc索引是非常相似的.loc，但只使用整数位置做出选择。该词.iloc本身代表整数位置，因此应有助于记住它的作用。

选择单行 .iloc

通过将单个整数传递给.iloc，它将选择一行作为系列：

>>> df.iloc[3]
state        AL
color     white
food      Apple
age           4
height       80
score       3.3
Name: Penelope, dtype: object

使用选择多行 .iloc

使用整数列表选择多行：

>>> df.iloc[[5, 2, 4]]       # remember, don't do df.iloc[5, 2, 4]

531727c958079b04c9297c42adc941e1.png

使用切片符号选择带有 .iloc

切片符号的作用类似于此实例中的列表，并且不包括最后一个元素

>>> df.iloc [3：5]

4a4c68f5b9bd152cdfd254368a48365f.png

选择第三个位置直到结束：

>>> df.iloc [3：]

17f97da53a832694dbc449a804f8d6cd.png

选择第3个位置以2为step结尾

>>> df.iloc [3 :: 2]

835f8cce9f6d70cc267f36007a72d575.png

同时选择行和列 .iloc

就像.iloc单个整数的任何组合一样，整数或切片的列表可用于同时选择行和列。只需记住用逗号分隔选择即可。

选择两行两列：

>>> df.iloc [[2,3]，[0，4]]

9abb4d9968b4176ed35c31d2db5ad0e4.png

选择行和两列的一部分：

>>> df.iloc [3：6，[1，4]]

f6f1a915c41a5158f87d62b294af2b75.png

同时选择切片

>>> df.iloc [2：5，2：5]

选择单个行和列

>>> df.iloc [0，2] 
'Steak'

选择所有行和单个列

>>> df.iloc[:, 5]
Jane         4.6
Niko         8.3
Aaron        9.0
Penelope     3.3
Dean         1.8
Christina    9.5
Cornelia     2.2
Name: score, dtype: float64

弃用 .ix

在pandas发展的早期，存在另一个索引器**ix**。该索引器能够通过标签和整数位置进行选择。尽管它用途广泛，但由于不明确，引起了很多混乱。有时，整数也可以作为行或列的标签。因此，在某些情况下它是模棱两可的。

您仍然可以拨打电话**.ix**，但是该电话已被弃用，因此请不要使用它。

选择系列子集

当然，我们也可以使用系列进行子集选择。早些时候，我建议仅使用索引运算符在DataFrame上进行列选择。由于Series没有列，我建议仅使用**.loc**和**.iloc**。您可以只使用索引运算符，但是它含糊不清，因为它可以同时使用标签和整数。在本教程的结尾，我将回到这一点。

通常，您将通过从DataFrame中选择单个列来创建一个Series。让我们选择**food**列：

>>> food = df['food']
>>> food
Jane          Steak
Niko           Lamb
Aaron         Mango
Penelope      Apple
Dean         Cheese
Christina     Melon
Cornelia      Beans
Name: food, dtype: object

系列选择 .loc

系列选择.loc非常简单，因为我们只处理一个维度。您可以再次使用单个行标签，行标签列表或行标签切片来进行选择。让我们看几个例子。

>>> food.loc ['Aaron'] 
'Mango'

选择三个不同的值。这将返回一个Series：
>>> food.loc[['Dean', 'Niko', 'Cornelia']]
Dean        Cheese
Niko          Lamb
Cornelia     Beans
Name: food, dtype: object

切片从Niko到Christina-包括最后一个索引:

>>> food.loc['Niko':'Christina']
Niko           Lamb
Aaron         Mango
Penelope      Apple
Dean         Cheese
Christina     Melon
Name: food, dtype: object
 
从头到尾切片Penelope：

>>> food.loc['Penelope':]
Penelope      Apple
Dean         Cheese
Christina     Melon
Cornelia      Beans
Name: food, dtype: object
 
在列表中选择一个返回序列的值:
>>> food.loc[['Aaron']]
Aaron    Mango
Name: food, dtype: object

系列选择 .iloc

序列子集的选择与**.iloc**发生类似，**.loc**只不过它使用整数位置。您可以使用单个整数，整数列表或整数切片。让我们看一些例子。

选择一个值：
>>> food.iloc[0]
'Steak'

使用整数列表选择多个值：
>>> food.iloc[[4, 1, 3]]
Dean        Cheese
Niko          Lamb
Penelope     Apple
Name: food, dtype: object
使用切片-不包括最后一个整数
>>> food.iloc[4:6]
Dean         Cheese
Christina     Melon
Name: food, dtype: object

与Python列表和字典的比较

将pandas根据标签和整数位置进行选择的能力与Python列表和字典的选择能力进行比较可能会有所帮助。

Python列表仅允许通过整数位置选择数据。

您可以使用单个整数或切片符号来进行选择，但不能使用整数列表。

让我们看一下使用整数的列表子集选择的示例：

>>> some_list = ['a'，'two'，10，4，0，'asdf'，'mgmt'，
434，99 
] 
>>> some_list [5] 
'asdf' 
>>> some_list [-1] 
99 
>>> some_list [：4] 
['a'，'two'，
10，4 
] 
>>> some_list [3：] 
[ 
4，0 
，'asdf'，'mgmt'，
434，99 
] 
>>> some_list [2：6：3] 
[10，'asdf']

使用Python字典按标签选择

每个字典中的所有值都用键标记。

我们使用此键进行单个选择。词典仅允许使用单个标签进行选择。标签的切片和列表均不允许。

>>> d = {'a'：1，'b'：2，'t'：20，'z'：26，'A'：27} 
>>> d ['a'] 
1 
>>> d ['A'] 
27

pandas拥有名单和字典的权力

DataFrame和Series可以使用整数（如列表）和标签（如字典）进行选择。

仅使用索引运算符从DataFrame中选择行-令人困惑！

上面，我仅使用索引运算符从DataFrame中选择一列或多列。但是，它也可以用于使用slice选择行。我认为这种行为非常令人困惑。传递切片时，整个操作将完全更改。

让我们使用整数切片作为第一个示例：

>>> df [3：6]

7302a21ab746bd2efdf5aa1472344b8f.png

了增加这种混乱，您还可以按标签切片。

>>> df ['Aaron'：'Christina']

b9d55c555021289a1ab86f286c588a2b.png

我建议不要这样做！

此功能不会被弃用，并且完全取决于您是否要使用它。但是，我非常希望不要以这种方式选择行，因为这样可能会造成歧义，尤其是在索引中包含整数的情况下。

使用**.iloc**和**.loc**是明确的，可以清楚地告诉阅读代码的人将会发生什么。让我们使用**.iloc**和重写上面的内容**.loc**。

>>> df.iloc[3:6]      # More explicit that df[3:6]

>>> df.loc['Aaron':'Christina']

不能同时选择行和列 []

如果尝试仅使用索引运算符同时选择行和列，则会引发异常。您必须使用**.loc**或**.iloc**这样做。

>>> df[3:6, 'Aaron':'Christina']
TypeError: unhashable type: 'slice'

仅使用索引运算符从系列中选择行-令人困惑！

您也可以仅将索引运算符与系列一起使用。同样，这令人困惑，因为它可以接受整数或标签。让我们看一些例子

>>> food
Jane          Steak
Niko           Lamb
Aaron         Mango
Penelope      Apple
Dean         Cheese
Christina     Melon
Cornelia      Beans
Name: food, dtype: object>>> food[2:4]
Aaron       Mango
Penelope    Apple
Name: food, dtype: object>>> food['Niko':'Dean']
Niko          Lamb
Aaron        Mango
Penelope     Apple
Dean        Cheese
Name: food, dtype: object

Since Series don’t have columns you can use a single label and list of labels to make selections as well

>>> food['Dean']
'Cheese'>>> food[['Dean', 'Christina', 'Aaron']]
Dean         Cheese
Christina     Melon
Aaron         Mango
Name: food, dtype: object
Again, I recommend against doing this and always use **.iloc** or **.loc**

我建议您不要这样做，请始终使用**.iloc**或**.loc**

导入数据而不选择索引列

我们通过选择第一列作为带有函数**index_col**参数的索引来导入数据**read_csv**。通常，这不是将大多数DataFrame读入pandas的方式。

通常，csv文件中的所有列都将成为DataFrame列。熊猫将使用0到n-1之间的整数作为标签。请参见下面的示例数据，其中的数据集略有不同：

>>> df2 = pd.read_csv（'data / sample_data2.csv'）
>>> df2

4b4f8355a80edaba90a75c78819d73d6.png

默认值 RangeIndex

如果您在第一次读取数据时未将列指定为索引，则熊猫将使用0到n-1之间的整数作为索引。从技术上讲，这会创建一个**RangeIndex**对象。让我们来看看它。

>>> df2.index
RangeIndex(start=0, stop=7, step=1)
This object is similar to Python **range** objects. Let's create one:
>>> range(7)
range(0, 7)
Converting both of these objects to a list produces the exact same thing:
>>> list(df2.index)
[0, 1, 2, 3, 4, 5, 6]
>>> list(range(7))
[0, 1, 2, 3, 4, 5, 6]

目前，拥有一点都不重要**RangeIndex**。与**.loc**和的选择相同**.iloc**。让我们看一些例子。

df2.loc [[2，4，5]，['food'，'color']]

5b7363b8230b76d7861fee032ffde85d.png 
>>> df2.iloc [[2，4，5]，[3,2]]

e72c1715c0e461f4725f8a5b14de5106.png

使用切片时有细微的差别。**.iloc**排除最后一个值，而**.loc**包括它：

>>> df2.iloc [：3]`

5415f6b2228833785ffd7ccb7d07b3cd.png 
>>> df2.loc [：3]

c160a376884b729c76855a049d90700d.png

读取数据后从列设置索引

常见的情况是看到熊猫代码读取带有RangeIndex的DataFrame，然后将索引设置为列之一。通常使用以下**set_index**方法完成此操作：

>>> df2_idx = df2.set_index（'Names'）
>>> df2_idx

044f1b9b65b12088612f9e27739647ac.png

索引有一个名字

请注意，此DataFrame与本教程开头的第一个看起来并不完全相同。索引正上方是黑体字**Names**。从技术上讲，这是索引的名称。我们原始的DataFrame没有为其索引命名。您现在可以忽略此小细节。子集选择将以相同的方式发生。

带点表示法的DataFrame列选择

Pandas允许您使用点符号选择一个列作为“系列” 。这也称为属性访问。您只需将列名放在圆点和DataFrame之后，而不用引号，如下所示：

>>> df.state
Jane         NY
Niko         TX
Aaron        FL
Penelope     AL
Dean         AK
Christina    TX
Cornelia     TX
Name: state, dtype: object
 
>>> df.age
Jane         30
Niko          2
Aaron        12
Penelope      4
Dean         32
Christina    33
Cornelia     69
Name: age, dtype: int64

通过属性访问选择列的利弊

选择这样的列的最大好处是，在选择后链接方法时会获得帮助。例如，如果您在列名后放置另一个点并按tab，则所有Series方法的列表将出现在弹出菜单中。它看起来像这样：

0fc9e2826d36ceda8d07157c044a590d.png

仅使用索引运算符时，此帮助将消失：

755c3dcf148a169d8b61463f41d96fc3.png

最大的缺点是您不能选择空格或其他字符无效的列作为Python标识符（变量名）。

选择两次相同的列？

这很奇怪，但是实际上您可以多次选择同一列：

df [['age'，'age'，'age']]

b64af3aabc1b945b9c52ac476bffbc64.png

pandas总结概述

我们涵盖了不可思议的领域。让我们总结所有要点：

  • 在学习pandas之前，请确保您具有Python的基础知识
  • 学习新的pandas操作时请始终参考文档
  • DataFrame和Series是数据的容器
  • DataFrame是二维的表格数据
  • 系列是数据的一个维度
  • DataFrame的三个组成部分是索引，列和数据（或值）
  • 标签和整数位置都引用DataFrame的每一行和每一列
  • 有三种主要的方法从数据框中选择的子集- **[]**，**.loc**和**.iloc**
  • 我仅使用索引运算符一词来指代**[]**紧随DataFrame / Series之后的术语
  • 索引运算符的主要目的只是从DataFrame中选择一列或多列
  • 仅对索引运算符使用单个列名称，就将一个数据列作为系列返回
  • 将列表中的多个列传递给仅索引运算符将返回一个DataFrame
  • 系列有两个组成部分，索引和数据（值）。它没有列
  • **.loc**仅按标签进行选择
  • **.loc** 可以同时选择行和列
  • **.loc** 可以使用单个标签，标签列表或标签切片进行选择
  • **.loc** 首先进行行选择，然后进行列选择： **df.loc[row_selection, col_selection]**
  • **.iloc**类似于。**loc**但仅使用整数位置来引用行或列。
  • **.ix** 已弃用，永远不要使用
  • **.loc**和**.iloc**Series一样，除了它们没有索引，只根据索引选择
  • Pandas结合了python列表（通过整数位置选择）和字典（通过标签选择）的功能
  • 您可以只使用索引运算符从DataFrame中选择行，但是我建议您反对这样做，而应坚持使用显式**.loc**和**.iloc**
  • 通常，数据导入时无需设置索引。使用该**set_index**方法可以将列用作索引。
  • 您可以从带点标记的DataFrame中选择一个列作为Series

本文转载自：好好先生，如有侵权请联系删除

知乎原文链接：好好先生：Pandas 操作数据集（最全总结之一）

weixin_39968655
关注
  • 3
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Pandas实现一列数据分隔为两列
12-17
分割成一个包含两个元素列表的列 对于一个已知分隔符的简单分割（例如，用破折号分割或用空格分割）.str.split() 方法就足够了 。 它在字符串的列（系列）上运行，并返回列表（系列）。 >>> import pandas as pd >>> df = pd.DataFrame({'AB': ['A1-B1', 'A2-B2']}) >>> df AB 0 A1-B1 1 A2-B2 >>> df['AB_split'] = df['AB'].str.split('-') >>> df AB AB_split 0 A1-B1 [A1, B1] 1 A2-B2 [A2, B2] 分
pandas将一列拆分为3列_Pandas，DataFrame：将一列拆分为多列
weixin_39723678的博客
12-30 1420
I have the following DataFrame. I am wondering whether it is possible to break the data column into multiple columns. E.g., from this:ID Date data6 21/05/2016 A: 7, B: 8, C: 5, D: ...
pandas将一列拆分为3列_Pandas将列表列拆分为多个列
weixin_30189559的博客
12-30 1533
通过将^{}与^{}一起转换为numpy array，可以将DataFrame构造函数与lists一起使用：import pandas as pdd1 = {'teams': [['SF', 'NYG'],['SF', 'NYG'],['SF', 'NYG'],['SF', 'NYG'],['SF', 'NYG'],['SF', 'NYG'],['SF', 'NYG']]}df2 = pd.Dat...
pandas 如何分割字符
热门推荐
SCUT_Sam
07-27 4万+
摘要： 本文主要是在pandas中如何对字符串进行切分。我们考虑一下下面的应用场景。 这个是我们的数据集(data)，可以看到，数据集中某一列(name)是某个行业的分类。各个行业之间用符号 ‘|’分割。 我们要把用每个‘|’进行分割的内容抽取出来。 pandas有个一步到到位的方法，非常方便。 import pandas as pddata['name'].str.split(
asp.net gridview 为什么只显示一行数据_第一节 SPSS23.0界面简介与数据录入
weixin_42512719的博客
12-09 304
1. 数据输入1.1 内部式输入，即在变量视图中对各变量进行定义后，进入数据视图输入所测得的各数据。适用于样本容量较小的数据。1.2 外部式输入，采用excel、笔记本等软件，将文件使用SPSS打开。适用于样本容量较大的数据，但需要提前调整好格式。2. 定义变量2.1 打开【变量视图】，在第一栏名称栏纵向输入各变量名称。第二栏默认显示数据类型为数字，点击数字后的【…】按钮，显示变量类型有有数字、逗...
pandas_streaming:适用于大数据集的熊猫流API
04-09
pandas_streaming：通过pandas的流API pandas_streaming旨在使用pandas处理大文件， pandas大到无法容纳在内存中， pandas_streaming太小而无法并行处理，从而获得了可观的收益。 该模块复制了熊猫API的子集，并实现...
pandas_dataset:Pandas DataFrame扩展可分析数据集以进行分类
03-08
该Pandas扩展提供了其他工具来分析和处理机器学习中分类任务的数据集。 它是对其他框架（例如PyTorch或FastAI）的有用补充。 :fast_down_button: 安装 通过运行以下命令，可以直接从github存储库安装此模块： !pip...
pandas官方文档中文版_pandas_数据清洗_
10-01
Pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。学习Pandas最好的方法就是看官方文档：
python数据分析之Pandas数据结构和操作
02-24
1、一个强大的分析结构化数据的工具集2、基础是NumPy，提供了高性能矩阵的运算3、应用在数学挖掘，数据分析。比如，学生成绩分析，股票数据分析等4、提供数据清洗功能Pands数据结构，主要分为两种，Series和...
Manipulacion_datos_pandas：在数据集上的数据存储，以及整个数据集：POKEMON:smiling_face_with_smiling_eyes:
02-15
Hola comunidad :person_raising_hand: ，esta vez comparto consededes este book que contiene informationac teorica y practica sobre la manipulacion de datos con pandas。 神奇宝贝笔记本数据集 :party_...
pandas分列
xu_xiaoxu的博客
10-26 1623
data.insert(1,'city',data['address']) #先复制原来的列 data["address"] = data["address"].map(lambda x:x.split()[0]) #分别处理新旧两列 data["city"] = data["city"].map(lambda x:x.split()[1]) ...
pandas 怎么分列一列数据？
wusheng9922的博客
08-19 3955
联系微信：wusheng9922 工作中经常遇到 DataFrame结构 一列 数据 存了多个字段，或者 想要去除 开头结尾 与业务无关的字符，形如： 以此为例 我们 提取出 Product ID后边的四位 数字 单独成一列，还是有很多细节 所以本文介绍一下。 1将表格df2内数据转换成字符串格式 df3=df2.astype(str) 此时已经转换新的表 已经赋值给df3 整体结构仍是DataFrame，每个字段内的数据都已经通过 astype（str）转换成了 字符串。 2提取产品列用str.sp
解决listview，gridview只显示一行
android 开发
12-02 1623
有时我们需要在ScrollView中嵌套listview，或者gridview，或者这之间相互嵌套，这样就会导致listview，gridview无法滑动，而且只显示一行，究其原因是应为listview和gridview无法计算高度导致的，所以自定义一下，做个修改就可以了listviewimport android.content.Context; import android.util.Attri
Pandas技巧：将一列分隔成多个列
opp003的博客
10-27 1万+
项目中遇到一个问题，搜集的数据只有一列，每行的数据都是通过特殊字符分隔，现在需要将其分隔成多个列。 原始数据如下： 0 0 155,NA,0,10,-99999,18,18,18,04,NA,0,-99999... 1 728,NA,24.1,74.81,-9999,18,18,18,-99999,... 这是前两行的数据。原本使用特殊字符分隔的，这个好处理，只需通过string的repl...
Pandas分裂dataframe
ID5418的杂货铺
11-16 2773
In [3]: df = pd.DataFrame({'years': ['1900-2000', '1920-2020', '1930-2030']})In [4]: df Out[4]: years 0 1900-2000 1 1920-2020 2 1930-2030In [14]: df['start'], df['end'] = zip(*df['years'].map
解决GridView只显示一行的问题
panshi5188的博客
07-12 1411
当GridView嵌套在其他布局中，我们会发现有GridView只显示一行的情况，如果将高度给一个固定值，则可以显示，但这不是我们想要的，解决方案如下： 自定义GridView，重写onMeasure方法 直接使用以下自定义类即可 /** * author SGY * date 2019/7/1 * desc */ public class AllShowGridView ext...
pandas将一列拆分为3列_在pandas中如何将一列拆分为两列
weixin_39886238的博客
02-19 1704
我有下一个数据帧data=read_csv('enero.csv')dataFecha DirViento MagViento0 2011/07/01 00:00 318 6.61 2011/07/01 00:15 342 5.52 2011/07/01 00:30 329 ...
pandas提示“Keyerror”
Know Yourself
07-11 8530
pandas excel报错 Traceback (most recent call last): File "D:\Softwares\Python3.6.8\lib\site-packages\pandas\core\indexes\base.py", line 2646, in get_loc return self._engine.get_loc(key) File "p...
Pandas出现KeyError及其分析解决
linchun210的专栏
03-09 6124
Pandas出现KeyError及其分析解决（机器翻译）
python pandas keyerror:False
最新发布
10-15
你可以检查一下你的 DataFrame 中是否存在名为 False 的列或索引，如果不存在，那么你可以尝试使用其他的列或索引进行操作。 另外，你也可以尝试使用 loc 或 iloc 方法来访问 DataFrame 中的数据，这两个方法可以...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值