Python数据分析——Pandas基础入门+代码（三）之索引与切片

系列文章目录

Chapter 1：创建与探索DF、排序、子集化：Python数据分析——Pandas基础入门+代码（一）
Chapter 2：聚合函数，groupby，统计分析：Python数据分析——Pandas基础入门+代码（二）
Chapter 3：索引和切片：Python数据分析——Pandas基础入门+代码（三）
Chapter 4： 可视化与读写csv文件：Python数据分析——Pandas基础入门+代码（四）
Chapter 5：数据透视表：Python数据分析——Pandas基础入门+代码之数据透视表

---

---

前言

这一篇主要讲的是：

索引 Indexing 和 切片 Slicing

一开始会从索引开始说起，然后再讲解一下切片，这两部分包看包会。

---

一、索引

1.1 Index处理

这里主要用到的是两个methods，分别是：

• 设置索引
• 删除索引

# 表示以xxx为索引
set_index('xxx')

# 重置索引,如果又drop表示，会先重置索引再对刚刚索引的那列进行删除
reset_index(drop = True)

1.2 使用 .loc() 进行子集化

这里的翻译是：

• 索引的杀手级功能是 .loc[]：一种接受索引值的子集方法。当您向其传递单个参数时，它将采用行的子集。
• 使用 .loc[] 进行子集化的代码比标准的方括号子集化更容易阅读，这可以减少您的代码维护的负担。

说白了就是最好用.loc[]去找我们要的东西，这不仅方便索引，也方便我们阅读结果。同时，.loc()也能用于切片处理，这会在后面讲解。

For example, 下面的代码做了一个对比，得到的结果是一样的。

首先，给定一个城市的list
然后，利用isin()进行查找返回一个布林值，再要求pandas将布林值为True的找出来并打印
最后一行呢，是直接让loc去定位查找，包含了list中的数据，从而筛选出来并打印

# Make a list of cities to subset on
cities = ["Moscow", "Saint Petersburg"]
# Subset temperatures using square brackets
print(temperatures[temperatures["city"].isin(cities)])
# Subset temperatures_ind using .loc[]
print(temperatures_ind.loc[cities])

1.3 分层索引

分层索引的直接意思就是，可以一次索引多列，不想前面只索引了一列。分层索引的好处就是可以更好的推理嵌套分类变量。图中的例子就说对照组和实验组。

我们可以先看下原数据temperatures_ind 的前几行内容是什么样的：国家、城市、日期、平均温度

得到temperatures_ind 之后，我们建立一个元组，让loc去定位索引。

# Index temperatures by country & city
temperatures_ind = temperatures.set_index(['country'