datawhale的pandas学习 第三章 索引

首先导入所需的包

import numpy as np
import pandas as pd

一、索引器

1. 表的列索引

列索引是最常见的索引形式，一般通过 [] 来实现。通过 [列名] 可以从 DataFrame 中取出相应的列，返回值为 Series ，例如从表中取出姓名一列：

如果要取出多个列，则可以通过[列名组成的列表]，其返回值为一个DataFrame，例如从表中取出性别和姓名两列：

【注意】当[] 里面是列名，返回Series。当[] 里面是列名组成的列表，返回DataFrame

此外，若要取出单列，且列名中不包含空格，则可以用.列名取出，这和[列名]是等价的：

2. 序列的行索引

【a】以字符串为索引的 Series

如果取出单个索引的对应元素，则可以使用 [item] ，若 Series 只有单个值对应，则返回这个标量值，如果有多个值对应，则返回一个 Series：

如果取出多个索引的对应元素，则可以使用[items的列表]：

如果想要取出某两个索引之间的元素，并且这两个索引是在整个索引中唯一出现，则可以使用切片，同时需要注意这里的切片会包含两个端点：

【注意】索引必须是唯一的，不然会报错。

【b】以整数为索引的Series

在使用数据的读入函数时，如果不特别指定所对应的列作为索引，那么会生成从0开始的整数索引作为默认索引。当然，任意一组符合长度要求的整数都可以作为索引。

和字符串一样，如果使用[int]或[int_list]，则可以取出对应索引元素的值：

如果使用整数切片，则会取出对应索引位置的值，注意这里的整数切片同Python中的切片一样不包含右端点：

【注意】

1.这里面的整数不代表Series的索引，是代表的位置。从左到右0,1,2,…，从右到左-1,-2,…。

2.第三位数字代表步长，默认为1。

【WARNING】关于索引类型的说明
如果不想陷入麻烦，那么请不要把纯浮点以及任何混合类型（字符串、整数、浮点类型等的混合）作为索引，否则可能会在具体的操作时报错或者返回非预期的结果，并且在实际的数据分析中也不存在这样做的动机。

3. loc索引器

前面讲到了对DataFrame的列进行选取，下面要讨论其行的选取。对于表而言，有两种索引器，一种是基于元素的loc索引器，另一种是基于位置的iloc索引器。

loc索引器的一般形式是loc[*, *]，其中第一个*代表行的选择，第二个*代表列的选择，如果省略第二个位置写作loc[*]，这个*是指行的筛选。其中，*的位置一共有五类合法对象，分别是：单个元素、元素列表、元素切片、布尔列表以及函数，下面将依次说明。

为了演示相应操作，先利用set_index方法把Name列设为索引，关于该函数的其他用法将在多级索引一章介绍。

【a】*为单个元素

此时，直接取出相应的行或列，如果该元素在索引中重复则结果为DataFrame，否则为Series：

也可以同时选择行和列：

【注意】行列的元素至多只能一个

【b】*为元素列表

此时，取出列表中所有元素值对应的行或列：

注意：*为元素列表时，必定返回DataFrame

【c】*为切片

之前的Series使用字符串索引时提到，如果是唯一值的起点和终点字符，那么就可以使用切片，并且包含两个端点，如果不唯一则报错：

需要注意的是，如果DataFrame使用整数索引，其使用整数切片的时候和上面字符串索引的要求一致，都是元素切片，包含端点且起点、终点不允许有重复值。

下例证明了loc的整数索引与字符串索引的要求一致，都是元素切片，不是按照位置来切片。

【d】*为布尔列表

在实际的数据处理中，根据条件来筛选行是极其常见的，此处传入loc的布尔列表与DataFrame长度相同，且列表为True的位置所对应的行会被选中，False则会被剔除。

例如，选出体重超过70kg的学生(和用[]结果一致)：

前面所提到的传入元素列表，也可以通过isin方法返回的布尔列表等价写出，例如选出所有大一和大四的同学信息：

.isin()判断元素在不在()里的序列中。

对于复合条件而言，可以用|（或）, &（且）, ~（取反）的组合来实现，例如选出复旦大学中体重超过70kg的大四学生，或者北大男生中体重超过80kg的非大四的学生：

【练一练】

select_dtypes是一个实用函数，它能够从表中选出相应类型的列，若要选出所有数值型的列，只需使用.select_dtypes('number')，请利用布尔列表选择的方法结合DataFrame的dtypes属性在learn_pandas数据集上实现这个功能。

【e】*为函数

这里的函数，必须以前面的四种合法形式之一为返回值，并且函数的输入值为DataFrame本身。假设仍然是上述复合条件筛选的例子，可以把逻辑写入一个函数中再返回，需要注意的是函数的形式参数x本质上即为df_demo：

此外，还支持使用lambda表达式，其返回值也同样必须是先前提到的四种形式之一：

由于函数无法返回如start: end: step的切片形式，故返回切片时要用slice对象进行包装：

第一次见到slice对象，下面简单介绍一下。

slice() 函数实现切片对象，主要用在切片操作函数里的参数传递。

class slice(start, stop[, step])

三个参数的含义分别是：起始位置,终止位置,间距

最后需要指出的是，对于Series也可以使用loc索引，其遵循的原则与DataFrame中用于行筛选的loc[*]完全一致，此处不再赘述。

【WARNING】不要使用链式赋值

在对表或者序列赋值时，应当在使用一层索引器后直接进行赋值操作，这样做是由于进行多次索引后赋值是赋在临时返回的copy副本上的，而没有真正修改元素从而报出SettingWithCopyWarning警告。例如，下面给出的例子：

4. iloc索引器

iloc的使用与loc完全类似，只不过是针对位置进行筛选，在相应的*位置处一共也有五类合法对象，分别是：整数、整数列表、整数切片、布尔列表以及函数，函数的返回值必须是前面的四类合法对象中的一个，其输入同样也为DataFrame本身。

见上例：传入两个list的时候，是第一行,第二行与第一列,第二列的交叉部分取出来。

只传入一个.iloc[i:j]则只取出第i到j-1行

【注意】.iloc[i,j]的i,j只要是列表则取出的必定为DataFrame,假如其中有一边为int，则返回Series

在使用布尔列表的时候要特别注意，不能传入Series而必须传入序列的values，否则会报错。因此，在使用布尔筛选的时候还是应当优先考虑loc的方式。

例如，选出体重超过80kg的学生：

对Series而言同样也可以通过iloc返回相应位置的值或子序列(切片方法和python中一致)：

5. query方法

在pandas中，支持把字符串形式的查询表达式传入query方法来查询数据，其表达式的执行结果必须返回布尔列表。在进行复杂索引时，由于这种检索方式无需像普通方法一样重复使用DataFrame的名字来引用列名，一般而言会使代码长度在不降低可读性的前提下有所减少。

df.query（expr，inplace = False，** kwargs ）# 使用布尔表达式查询列
 
参数：
# expr：str要评估的查询字符串。你可以在环境中引用变量，在它们前面添加一个'@'字符 。@a + b
# inplace=False：是否修改数据或返回副本
# kwargs：dict关键字参数
 
返回：DataFrame
 
注意：
# 默认修改Python语法'&'/'and'和'|'/'or'位运算符优先级高于布尔表达式，不同于Python
# 关键字参数parser='python'执行Python评估。
# engine='python' 用Python本身作为后端来传递评估表达式。不建议效率低。
 
# 默认实例df.index和 df.columns属性 DataFrame放在查询命名空间中，
# 这允许您将框架的索引和列视为框架中的列。标识符index用于帧索引; 
# 您还可以使用索引的名称在查询中标识它。

例如，将loc一节中的复合条件查询例子可以如下改写(注意下面的())：

在query表达式中，帮用户注册了所有来自DataFrame的列名，所有属于该Series的方法都可以被调用，和正常的函数调用并没有区别，例如查询体重超过均值的学生：

可以看到上面直接weight.mean() ,这里weight是df的列名，继承了这个Series的方法。

【NOTE】query中引用带空格的列名

对于含有空格的列名，要使用上面的语法，需要在列名左右加上`(反引号)。

同时，在query中还注册了若干英语的字面用法，帮助提高可读性，例如：or, and, or, in, not in。例如，筛选出男生中不是大一大二的学生：

此外，在字符串中出现与列表的比较时，==和!=分别表示元素出现在列表和没有出现在列表，等价于in和not in，例如查询所有大三和大四的学生：

对于query中的字符串，如果要引用外部变量，只需在变量名前加@符号。例如，取出体重位于70kg到80kg之间的学生:

这里一开始出现了一点问题

low, high =70, 80
df.query('Weight.between(@low, @high)').head()

这里是报错的，错误提示为'Series' objects are mutable, thus they cannot be hashed

然后做了第一次尝试：

对于此的理解是，df.query在python版本3.8的情况下，这种使用Series的相应方法产生的Series序列要取出对应布尔值—也就是np数组。下面看另一个这样的写法也是不对的。

list_grade=['Freshman','Sophomore']
df.query('Grade.isin(@list_grade)').head()

第二次尝试：

query里面加上engine='python’后也不会报错了。

再看一下别的例子

df11 = pd.DataFrame(np.arange(12).reshape(3, 4), columns=list('ABCD'))
# 实例1.1：python,numexpr 方式比较
result1 = df11[(df11.A < 8) & (df11.B < 9)] #python方式
result2 = pd.eval('df11[(df11.A < 8) & (df11.B < 9)]')#numexpr 方式
 
np.allclose(result1, result2) # True
 
# 实例1.2：eval,query,比较
# 相同点：计算表达式结果
# 不同点：eval若表达式为逻辑，结果返回bool数组;query则返回对应于bool数组的数据
 
import numexpr
 
result3= df11[df11.eval('A<8 & B<9')]
result4 = df11.query('A < 8 and B < 9')
result3.equals(result4)                        #True 结果result1==result2==result3==result4
 
a=df11.A;b=df11.B
result5= df11[numexpr.evaluate('(a<8) &(b < 9)')]#等效；表达式不能含df.A

pd.eval()就是把str转换为具体对象。

df11.eval('A<8 & B<9')就等价为df11[A<8]&df11[B<9]

6. 随机抽样

如果把DataFrame的每一行看作一个样本，或把每一列看作一个特征，再把整个DataFrame看作总体，想要对样本或特征进行随机抽样就可以用sample函数。有时在拿到大型数据集后，想要对统计特征进行计算来了解数据的大致分布，但是这很费时间。同时，由于许多统计特征在等概率不放回的简单随机抽样条件下，是总体统计特征的无偏估计，比如样本均值和总体均值，那么就可以先从整张表中抽出一部分来做近似估计。

sample函数中的主要参数为n, axis, frac, replace, weights，前三个分别是指抽样数量、抽样的方向（0为行、1为列）和抽样比例（0.3则为从总体中抽出30%的样本）。

replace和weights分别是指是否放回和每个样本的抽样相对概率，当replace = True则表示有放回抽样。例如，对下面构造的df_sample以value值的相对大小为抽样概率进行有放回抽样和无放回抽样，抽样数量为3。

二、多级索引

1. 多级索引及其表的结构

为了更加清晰地说明具有多级索引的DataFrame结构，下面新构造一张表，读者可以忽略这里的构造方法，它们将会在第4小节被更详细地讲解。

下图通过颜色区分，标记了DataFrame的结构。与单层索引的表一样，具备元素值、行索引和列索引三个部分。其中，这里的行索引和列索引都是MultiIndex类型，只不过索引中的一个元素是元组而不是单层索引中的标量。例如，行索引的第四个元素为("B", "Male")，列索引的第二个元素为("Height", "Senior")，这里需要注意，外层连续出现相同的值时，第一次之后出现的会被隐藏显示，使结果的可读性增强。

这里需要注意的是多层索引中的元素是一个元组！！！

与单层索引类似， MultiIndex 也具有名字属性，图中的 School 和 Gender 分别对应了表的第一层和第二层行索引的名字， Indicator 和 Grade 分别对应了第一层和第二层列索引的名字。

索引的名字和值属性分别可以通过 names 和 values 获得：

如果想要得到某一层的索引，则需要通过get_level_values获得：

但对于索引而言，无论是单层还是多层，用户都无法通过index_obj[0] = item的方式来修改元素，也不能通过index_name[0] = new_name的方式来修改名字，关于如何修改这些属性的话题将在第三节被讨论。

2. 多级索引中的loc索引器

熟悉了结构后，现在回到原表，将学校和年级设为索引，此时的行为多级索引，列为单级索引，由于默认状态的列索引不含名字，因此对应于刚刚图中Indicator和Grade的索引名位置是空缺的。

由于多级索引中的单个元素以元组为单位，因此之前在第一节介绍的loc和iloc方法完全可以照搬，只需把标量的位置替换成对应的元组，不过在索引前最好对MultiIndex进行排序以避免性能警告。：

这里排序之后就可以对重复元素进行切片(对单层索引和多层索引都适用)。但是不排序对多层索引切片都会报错。下面df_multi_sort是排序过的，df_multi是未排序的，df_multi_drop是去除重复索引(重复的保留第一个)

df_multi.loc[('Fudan University','Freshman'):('Tsinghua University','Sophomore')]

下面可以看到对没有重复的复合索引切片也会报错。

下面对其排序之后，切片索引不报错

此外，在多级索引中的元组有一种特殊的用法，可以对多层的元素进行交叉组合后索引，但同时需要指定loc的列，全选则用:表示。其中，每一层需要选中的元素用列表存放，传入loc的形式为[(level_0_list, level_1_list), cols]。例如，想要得到所有北大和复旦的大二大三学生，可以如下写出：

【理解】取出这四个索引：(Peking University,Sophomore),(Peking University,Junior)(Fudan University,Sophomore)(Fudan University,Junior)

下面的语句和上面类似，但仍然传入的是元素（这里为元组）的列表，它们的意义是不同的，表示的是选出北大的大三学生和复旦的大二学生：

这个就类似于单层索引里的df.loc[['a','b']] a,b是index

3. IndexSlice对象

前面介绍的方法，即使在索引不重复的时候，也只能对元组整体进行切片，而不能对每层进行切片，也不允许将切片和布尔列表混合使用，引入IndexSlice对象就能解决这个问题。Slice对象一共有两种形式，第一种为loc[idx[*,*]]型，第二种为loc[idx[*,*],idx[*,*]]型，下面将进行介绍。为了方便演示，下面构造一个索引不重复的DataFrame：

为了使用silce对象，先要进行定义：

idx = pd.IndexSlice

【a】loc[idx[*,*]]型

这种情况并不能进行多层分别切片，前一个*表示行的选择，后一个*表示列的选择，与单纯的loc是类似的：

另外，也支持布尔序列的索引：

【b】loc[idx[*,*],idx[*,*]]型

这种情况能够分层进行切片，前一个idx指代的是行索引，后一个是列索引。

4. 多级索引的构造

前面提到了多级索引表的结构和切片，那么除了使用set_index之外，如何自己构造多级索引呢？常用的有from_tuples, from_arrays, from_product三种方法，它们都是pd.MultiIndex对象下的函数。

4.1from_tuples指根据传入由元组组成的列表进行构造：

4.2from_arrays指根据传入列表中，对应层的列表进行构造：

4.3from_product指根据给定多个列表的笛卡尔积进行构造：

【总结】

from_tuples就是直接传入元祖。类似于直接传入index。

from_arrays类似于第一个列表是第一层索引，第二个列表是第二个索引。

from_product指根据给定多个列表的笛卡尔积进行构造。形成nXm个index。

这三个函数都要传入list。

三、索引的常用方法

1. 索引层的交换和删除

为了方便理解交换的过程，这里构造一个三级索引的例子：

索引层的交换由swaplevel和reorder_levels完成，前者只能交换两个层，而后者可以交换任意层，两者都可以指定交换的是哪一个轴，即行索引或列索引：

axis=1代表交换列索引，axis=0代表交换行索引

.reorder_levels()通过传入列表来指定哪几个轴更换，上例的意思是将[0,1,2]变为[2,0,1]

【NOTE】轴之间的索引交换

这里只涉及行或列索引内部的交换，不同方向索引之间的交换将在第五章中被讨论。

若想要删除某一层的索引，可以使用droplevel方法：

可以看到想要删除多个行索引或列索引时，就传入含有int的列表

2. 索引属性的修改

通过rename_axis可以对索引层的名字进行修改，常用的修改方式是传入字典的映射：

通过rename可以对索引的值进行修改，如果是多级索引需要指定修改的层号level：

上例将df_ex的第二层列索引的cat改为not_cat

传入参数也可以是函数，其输入值就是索引元素：

【练一练】

尝试在rename_axis中使用函数完成与例子中一样的功能。

对于整个索引的元素替换，可以利用迭代器实现：

若想要对某个位置的元素进行修改，在单层索引时容易实现，即先取出索引的values属性，再给对得到的列表进行修改，最后再对index对象重新赋值。但是如果是多级索引的话就有些麻烦，一个解决的方案是先把某一层索引临时转为表的元素，然后再进行修改，最后重新设定为索引，下面一节将介绍这些操作。

另外一个需要介绍的函数是map，它是定义在Index上的方法，与前面rename方法中层的函数式用法是类似的，只不过它传入的不是层的标量值，而是直接传入索引的元组，这为用户进行跨层的修改提供了遍历。例如，可以等价地写出上面的字符串转大写的操作：

关于map的另一个使用方法是对多级索引的压缩，这在第四章和第五章的一些操作中是有用的：

同时，也可以反向地展开：

【总结】.rename()与.rename_axis() 里传入函数是接收的每一层的标量值。而map里传入函数是接收的每一个多层索引的元组。

3. 索引的设置与重置

为了说明本节的函数，下面构造一个新表：

索引的设置可以使用set_index完成。

df_new.set_index(keys,drop=True,append=False,inplace=False, verify_integrity=False,)

append表示是否来保留原来的索引，append=True时直接把新设定的添加到原索引的内层，drop表示是否将用作新索引的列删掉：

可以同时指定多个列作为索引(传入列表形式)：

如果想要添加索引的列没有出现再其中，那么可以直接在参数中传入相应的Series

reset_index是set_index的逆函数，其主要参数是drop，表示是否要把去掉的索引层丢弃，而不是添加到列中：

df_new.reset_index(level: Union[Hashable, Sequence[Hashable], NoneType] = None,
                   drop: bool = False,inplace: bool = False,
                   col_level: Hashable = 0,
                   col_fill: Union[Hashable, NoneType] = '')

如果重置了所有的索引，那么pandas会直接重新生成一个默认索引：

最后来看多层索引的例子：

将’class’去掉：

col_level参数规定其列索引的层级。

col_fill参数用来填补为空的列索引

4. 索引的变形

在某些场合下，需要对索引做一些扩充或者剔除，更具体地要求是给定一个新的索引，把原表中相应的索引对应元素填充到新索引构成的表中。例如，下面的表中给出了员工信息，需要重新制作一张新的表，要求增加一名员工的同时去掉身高列并增加性别列：

这种需求常出现在时间序列索引的时间点填充以及ID编号的扩充。另外，需要注意的是原来表中的数据和新表中会根据索引自动对其，例如原先的1002号位置在1003号之后，而新表中相反，那么reindex中会根据元素对其，与位置无关。

还有一个与reindex功能类似的函数是reindex_like，其功能是仿照传入的表的索引来进行被调用表索引的变形。例如，现在以及存在一张表具备了目标索引的条件，那么上述功能可以如下等价地写出：

四、索引运算

1. 集合的运算法则

经常会有一种利用集合运算来取出符合条件行的需求，例如有两张表A和B，它们的索引都是员工编号，现在需要筛选出两表索引交集的所有员工信息，此时通过Index上的运算操作就很容易实现。

不过在此之前，不妨先复习一下常见的四种集合运算：

S A . i n t e r s e c t i o n ( S B ) = S A ∩ S B ⇔ { x ∣ x ∈ S A   a n d   x ∈ S B } \rm S_A.intersection(S_B) = \rm S_A \cap S_B \Leftrightarrow \rm \{x|x\in S_A\, and\, x\in S_B\} SA​.intersection(SB​)=SA​∩SB​⇔{x∣x∈SA​andx∈SB​}
S A . u n i o n ( S B ) = S A ∪ S B ⇔ { x ∣ x ∈ S A   o r   x ∈ S B } \rm S_A.union(S_B) = \rm S_A \cup S_B \Leftrightarrow \rm \{x|x\in S_A\, or\, x\in S_B\} SA​.union(SB​)=SA​∪SB​⇔{x∣x∈SA​orx∈SB​}
S A . d i f f e r e n c e ( S B ) = S A − S B ⇔ { x ∣ x ∈ S A   a n d   x ∉ S B } \rm S_A.difference(S_B) = \rm S_A - S_B \Leftrightarrow \rm \{x|x\in S_A\, and\, x\notin S_B\} SA​.difference(SB​)=SA​−SB​⇔{x∣x∈SA​andx∈/​SB​}
S A . s y m m e t r i c _ d i f f e r e n c e ( S B ) = S A △ S B ⇔ { x ∣ x ∈ S A ∪ S B − S A ∩ S B } \rm S_A.symmetric\_difference(S_B) = \rm S_A\triangle S_B\Leftrightarrow \rm \{x|x\in S_A\cup S_B - S_A\cap S_B\} SA​.symmetric_difference(SB​)=SA​△SB​⇔{x∣x∈SA​∪SB​−SA​∩SB​}

2. 一般的索引运算

由于集合的元素是互异的，但是索引中可能有相同的元素，先用unique去重后再进行运算。下面构造两张最为简单的示例表进行演示：

上述的四类运算还可以用等价的符号表示代替如下：

若两张表需要做集合运算的列并没有被设置索引，一种办法是先转成索引，运算后再恢复，另一种方法是利用isin函数，例如在重置索引的第一张表中选出id列交集的所在行：

其中df_set_in_col_1.id1.isin(df_set_in_col_2.id2)返回布尔值

Ex1：公司员工数据集

现有一份公司员工数据集：

1. 分别只使用 query 和 loc 选出年龄不超过四十岁且工作部门为 Dairy 或 Bakery 的男性。
2. 选出员工 ID 号 为奇数所在行的第1、第3和倒数第2列。
3. 按照以下步骤进行索引操作：

• 把后三列设为索引后交换内外两层
• 恢复中间一层
• 修改外层索引名为 Gender
• 用下划线合并两层行索引
• 把行索引拆分为原状态
• 修改索引名为原表名称
• 恢复默认索引并将列保持为原表的相对位置

#1.1使用query方法
df.query('(age <= 40) and (department in ["Dairy","Bakery"]and(gender=="M"))')
#1.2使用iloc方法
condition_1 = df['age'] <= 40
condition_2 = df['department'].isin(["Dairy","Bakery"])
condition_3 = df['gender']=='M'
condition11 = condition_1 & condition_2 & condition_3
df[condition11]
# 第2问
df[df['EmployeeID']%2==1].iloc[:,[0,2,-2]]
#3.1 把后三列设为索引后交换内外两层
df.set_index(['department','job_title','gender']).swaplevel(0,2,axis=0)
# 3.2 恢复中间一层
df.set_index(['department','job_title','gender']).swaplevel(0,2,axis=0).reset_index('job_title')
# 3.3 修改外层索引名为 Gender
df.set_index(['department','job_title','gender']).swaplevel(0,2,axis=0).reset_index('job_title').rename_axis(index={'gender':'Gender'})
# 3.4 把后三列设为索引后交换内外两层
df_33 = df.set_index(['department','job_title',    'gender']).swaplevel(0,2,axis=0).reset_index('job_title').rename_axis(index={'gender':'Gender'})
df_34_index = df_33.index.map(lambda x : x[0]+'-'+x[1])
df_34 = df_33
df_34.index = df_34_index
df_34
#3.5 把行索引拆分为原状态
df_35=df_34
df_35.index=df_35.index.map(lambda x : tuple(x.split('-')))
#3.6 修改索引名为原表名称
df_36 = df_35.rename_axis(index=['gender','department'])
#3.7恢复默认索引并将列保持为原表的相对位置
df_36.reset_index().reindex_like(df)

Ex2：巧克力数据集

现有一份关于巧克力评价的数据集：

1. 把列索引名中的\n替换为空格。
2. 巧克力Rating评分为1至5，每0.25分一档，请选出2.75分及以下且可可含量Cocoa Percent高于中位数的样本。
3. 将Review Date和Company Location设为索引后，选出Review Date在2012年之后且Company Location不属于France, Canada, Amsterdam, Belgium的样本。

# 第1问
df=df.rename(columns=lambda x : str(x).replace('\n',' '))
# 第2问
df['Cocoa Percent']=df['Cocoa Percent'].apply(lambda x : int(x[0:2])/100)
df.query('(`Cocoa Percent` > `Cocoa Percent`.median())&(Rating <= 2.75)')
# 第3问 
idx = pd.IndexSlice
df1=df.set_index(['Review Date','Company Location']).sort_index()
df1.loc[idx[2012:,~res.index.get_level_values(1).isin(exclude)],:]

五、总结

5.1索引器

索引比较繁琐，但整体思路就是①只选列用[]②选位置用iloc③选元素用loc④偷懒想少写字用query

5.2 多层索引

多层索引的索引是一个元组，整体思路和单层索引类似。对多层索引切片时，第一步先排序。不然会报错！！！！

若想对每层进行切片有两个操作，indexslice对象与loc中的特殊用法—对多层的元素进行交叉组合后索引，形式为[(level_0_list, level_1_list), cols]

其中indexslice对象，在loc[idx[*,*]]型可以支持传入函数，但在loc[idx[*,*],idx[*,*]] 型不支持传入函数，后者可以支持分层进行切片，见EX2第二问。

多层索引的构造方法有三种：from_tuples, from_arrays, from_product

5.3索引的常用方法

索引层的交换：swaplevel (只能换两个轴)和 reorder_levels(可以换任意多个轴，传入新的轴顺序列表即可) ps：这里只是行索引与列索引内部的更换。

索引层的删除：droplevel

索引属性的修改：1.修改索引层名字 rename_axis ，可传入函数(函数的输入就是各个索引层名字)

2.修改索引值 rename ，多层索引时通过level传入所修改的层号。可传入函数(函数的输入就是某层索引值)

另外一个是定义在 Index 上的方法，也可以传入函数，但是与rename不同的是：它传入的不是层的标量值，而是直接传入索引的元组。这就可以实现对多级索引的压缩和展开。

3.索引的设置与重置：set_index与reset_index

4.索引的变形： reindex 与 reindex_like ,前者需要传入index与columns参数，后者只用传入需要仿照索引的DataFrame.

5.4 索引运算

.intersection(交集&)

.union(并集|)

.difference(A-B)

.symmetric_difference(对称差，^)