索引

第二章 索引

• 1.单级索引
• 2.多级索引
• 3.索引设定
• 4.常用索引型函数
• 5.重复元素处理
• 6.抽样函数

`#### 1 单级索引
loc方法、iloc方法、操作符
最常用的索引方法可能就是这三类，其中iloc表示位置索引，loc表示标签索引，[]也具有很大的便利性，各具有特点
先建立一个数据集

import numpy as np
import pandas as pd
df = pd.read_csv('data/table.csv',index_col='ID')
df.head()

单行索引

df.loc[1103]

多行索引

df.loc[[1102,2304]]

单列索引

df.loc[:,'Height'].head()

多列索引

df.loc[:,['Height','Math']].head()

联合索引

df.loc[1102:2401:3,'Height':'Math'].head()

函数式索引

df.loc[lambda x:x['Gender']=='M'].head()
def f(x):
    return [1101,1103]
df.loc[f]

布尔索引

df.loc[df['Address'].isin(['street_7','street_4'])].head()
df.loc[[True if i[-1]=='4' or i[-1]=='7' else False for i in df['Address'].values]].head()

iloc方法：
单行索引

df.iloc[3]

多行索引

df.iloc[3:5]

单列索引

df.iloc[:,3].head()

多列索引

df.iloc[:,7::-2].head()

混合索引

df.iloc[3::4,7::-2].head()

函数式索引

df.iloc[lambda x:[3]].head()

[]操作符
单元素索引

s = pd.Series(df['Math'],index=df.index)
s[1101]

多行索引

s[0:4]

函数式索引

s[lambda x: x.index[16::-6]]

布尔索引

s[s>80]

Dataframe的[]操作
单行索引

df[1:2]
row = df.index.get_loc(1102)
df[row:row+1]

多行索引

df[3:5]

单列索引

df['School'].head()

多列索引

df[['School','Math']].head()

函数式索引

df[lambda x:['Math','Physics']].head()

布尔索引

df[df['Gender']=='F'].head()

2.布尔索引

1.布尔符号：‘&’，‘|’，’~‘：分别代表and or not

df[(df['Math']>85)|(df['Address']=='street_7')].head()
df[~((df['Math']>75)|(df['Address&#