Python_dataframe索引

最新推荐文章于 2024-08-03 05:08:29 发布

夭夭耀

最新推荐文章于 2024-08-03 05:08:29 发布

阅读量6.4k

点赞数

分类专栏： Python小操作文章标签： python

本文链接：https://blog.csdn.net/weixin_43210097/article/details/120190633

版权

Python小操作专栏收录该内容

24 篇文章 4 订阅

订阅专栏

本文介绍了如何使用Pandas DataFrame进行数据索引，包括直接索引、iloc和loc的用法，并通过示例展示了如何筛选特定条件的行。此外，还提供了一个用于绘制效率Map图的完整代码，涉及数据预处理、插值和等高线图的绘制。

摘要由CSDN通过智能技术生成

前言：

在绘制效率map图的时候，处理表格数据时刚好又用到了对于dataframe索引的语句，我每次都弄混了（捂脸），今天借这个机会刚好做一次梳理，也方便之后查取。文末会附上map图绘制的代码，作为附带补充吧。

正文：

先生成一个dataframe吧。随便啥都行。

 data = pd.DataFrame([nlist, tlist, effi])
 data=data.T
 data.rename(columns = {0:'nlist',1:'tlist',2:'effi'},inplace = True)            #列赋新的名字，便于操作

其中nlist,tlist,effi是之前生成的三个列表，数据并不重要，主要是记录操作。然后利用rename函数对dataframe赋列名。方便之后调用。给个前四行的数据吧：

先补充一个列表去重函数，得到列表不重复的值，输入原列表，返回的是去重后的列表。实现过程比较简单，不说明了。这个是因为画map时会用到，跟本文的主题其实没啥关系。

def delexcess(operlis):
    newlist=[]
    for i in operlis:
        if i not in newlist:
            newlist.append(i)
    return newlist

主要分别loc和iloc这两个语句,顺带记录一下我常用的对列名的直接索引方式。

先是直接索引，简单粗暴：

就很简单，根据列名来访问，这也是为啥之前要利用rename函数的原因。

然后是iloc，iloc利用index的具体位置，简单地说就是index=？给的是多少就索引对应的那一行。

这就把index=1的那一行给索引出来了。也支持切片操作（左闭右开）的：

loc利用index的名称，来获取想要的行。这边由于我们的index索引就是数字，所以结果是一样的。

这里利用判断nlist的值来进行举例，比如我向想把nlist=500的对应行全部筛选出来，这个时候用iloc就不行，iloc只识别整数型的索引（行或者列都是整数），所以在筛选时，我们用loc：

loc对于名称和True,False都是可以接受的。

附加代码

map图的绘制，加上之前的一些数据预处理，稍微记录一下。

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import scipy.interpolate as si    #做差值处理
import seaborn as sns
sns.set(style='darkgrid')

def interp_map(nlist, tlist, effi):
    ns = delexcess(nlist)
    ts = list(np.linspace(0,max(tlist),300))
    data = pd.DataFrame([nlist, tlist, effi])
    data=data.T
    data.rename(columns = {0:'nlist',1:'tlist',2:'effi'},inplace = True)            #列赋新的名字，便于操作
    e_map = np.zeros((len(ns),len(ts)))                                             #效率差值的存储空间
    for i in range(0,len(ns)):
        for j in range(0,len(ts)):
            subdata = data.loc[data['nlist']==ns[i]]
            f = si.interp1d(subdata['tlist'],subdata['effi'],kind='linear')
            try:
                e_map[i,j] = f(ts[j])
            except:
                e_map[i,j] = np.nan
    
    return ns, ts, e_map

ns, ts, e_map = interp_map(nlist, tlist, effi)

xx,yy=np.meshgrid(ns,ts) # X,Y分别转换为一个二维数组
figure=plt.figure('contour',facecolor='lightgray')
plt.title('Motor Efficiency \n Presented by matplotlib', fontsize=12)
plt.xlabel('Speed', fontsize=12)
plt.ylabel('Torque', fontsize=12)
cntr=plt.contour(xx, yy, e_map.T, 15, colors='black',linewidths=0.2)  #绘制等高线
plt.clabel(cntr, fmt='%.2f', fontsize=8,manual=False)       #等高线数字注释
plt.contourf(xx, yy, e_map.T, 15, cmap='jet',alpha=0.9)     #等高线之间的颜色填充
plt.colorbar(label='Efficiency difference(%)')              #显示颜色的柱状图
plt.show()