pandas系列2_选择数据

皮大大

发布于 2021-03-02 14:47:36

3380

发布于 2021-03-02 14:47:36

文章被收录于专栏：机器学习/数据可视化

如何从众多数据选择出我们所需要的数据，是数据分析中重点。本文中使用的方法

loc：通过标签获取，等同于.at
iloc：通过数字索引获取，等同于.iat

总结

df.loc[[......]]：可以使用数字索引，也可以使用标签索引，还可以用切片的形式
df.iloc[[.....]]：只能使用数字索引，可以是非连续或者连续（等差形式也OK）
布尔索引：df2[df2['E'].isin(['two', 'four'])]
同时指定行和列：
- df.loc[:, ["A","B"]]
- df.iloc[[1, 2, 4], [0, 2]]

查看指定的行列数据

# 指定列属性查看数据，多个列属性放在列表中
df[["B","C"]]

	B	C
2019-09-24	-0.362323	1.678106
2019-09-25	-2.261810	-1.035994
2019-09-26	-1.472062	1.081443
2019-09-27	0.292800	-0.593975
2019-09-28	0.002751	-0.233792
2019-09-29	1.001527	1.521685

# 通过切片形式，指定行标签查看指定的行数据
df[1:3]   # 默认数字索引

	A	B	C	D
2019-09-25	1.438213	-2.261810	-1.035994	0.433404
2019-09-26	1.710651	-1.472062	1.081443	1.109993

df["20190924":"20190927"]     # 使用的是创建的索引

	A	B	C	D
2019-09-24	-0.693593	-0.362323	1.678106	-1.180693
2019-09-25	1.438213	-2.261810	-1.035994	0.433404
2019-09-26	1.710651	-1.472062	1.081443	1.109993
2019-09-27	-0.189173	0.292800	-0.593975	-0.171872

`loc` 标签索引

根据标签(不是自带的数字索引)查看数据

df.loc[dates[0]]

A   -0.693593
B   -0.362323
C    1.678106
D   -1.180693
Name: 2019-09-24 00:00:00, dtype: float64

dates[0]

Timestamp('2019-09-24 00:00:00', freq='D')

# 选择行和列
df.loc[:, ["A","B"]]   # 选择所有行，然后AB两个列

	A	B
2019-09-24	-0.693593	-0.362323
2019-09-25	1.438213	-2.261810
2019-09-26	1.710651	-1.472062
2019-09-27	-0.189173	0.292800
2019-09-28	0.561579	0.002751
2019-09-29	-1.037907	1.001527

# 索引通过标签来实现
df.loc['20190924':'20190927', ['A', 'B']]

	A	B
2019-09-24	-0.693593	-0.362323
2019-09-25	1.438213	-2.261810
2019-09-26	1.710651	-1.472062
2019-09-27	-0.189173	0.292800

# 指定的行或者列可以是切片形式
df.loc['20190924':'20190927', 'A':'B']

	A	B
2019-09-24	-0.693593	-0.362323
2019-09-25	1.438213	-2.261810
2019-09-26	1.710651	-1.472062
2019-09-27	-0.189173	0.292800

`iloc`数字索引

记忆放法：iloc记为intloc，int为整型，表示通过数字来进行索引

df

	A	B	C	D
2019-09-24	-0.693593	-0.362323	1.678106	-1.180693
2019-09-25	1.438213	-2.261810	-1.035994	0.433404
2019-09-26	1.710651	-1.472062	1.081443	1.109993
2019-09-27	-0.189173	0.292800	-0.593975	-0.171872
2019-09-28	0.561579	0.002751	-0.233792	1.624140
2019-09-29	-1.037907	1.001527	1.521685	-0.049556

df.iloc[1:3]

	A	B	C	D
2019-09-25	1.438213	-2.261810	-1.035994	0.433404
2019-09-26	1.710651	-1.472062	1.081443	1.109993

df.iloc[1:3, 0:2]  # 切片形式，连续性

	A	B
2019-09-25	1.438213	-2.261810
2019-09-26	1.710651	-1.472062

df.iloc[[1, 2, 4], [0, 2]]  # 行索引是离散的值

	A	C
2019-09-25	1.438213	-1.035994
2019-09-26	1.710651	1.081443
2019-09-28	0.561579	-0.233792

df.iloc[:, 1:3]

	B	C
2019-09-24	-0.362323	1.678106
2019-09-25	-2.261810	-1.035994
2019-09-26	-1.472062	1.081443
2019-09-27	0.292800	-0.593975
2019-09-28	0.002751	-0.233792
2019-09-29	1.001527	1.521685

获取具体位置的元素

df.iloc[1,2]

-1.035993773960585

df.iat[1,2]    # 等同上面

-1.035993773960585

布尔索引

df

	A	B	C	D
2019-09-24	-0.693593	-0.362323	1.678106	-1.180693
2019-09-25	1.438213	-2.261810	-1.035994	0.433404
2019-09-26	1.710651	-1.472062	1.081443	1.109993
2019-09-27	-0.189173	0.292800	-0.593975	-0.171872
2019-09-28	0.561579	0.002751	-0.233792	1.624140
2019-09-29	-1.037907	1.001527	1.521685	-0.049556

df[df.A > 0]  # 将属性A中大于0的行全部选择出出来

	A	B	C	D
2019-09-25	1.438213	-2.261810	-1.035994	0.433404
2019-09-26	1.710651	-1.472062	1.081443	1.109993
2019-09-28	0.561579	0.002751	-0.233792	1.624140

df[df > 0]   # 满足bool条件的DF中选取值

	A	B	C	D
2019-09-24	NaN	NaN	1.678106	NaN
2019-09-25	1.438213	NaN	NaN	0.433404
2019-09-26	1.710651	NaN	1.081443	1.109993
2019-09-27	NaN	0.292800	NaN	NaN
2019-09-28	0.561579	0.002751	NaN	1.624140
2019-09-29	NaN	1.001527	1.521685	NaN

`isin`方法过滤

df2 = df.copy()

df2['E'] = ['one', 'one', 'two', 'three', 'four', 'three']
df2

	A	B	C	D	E
2019-09-24	-0.693593	-0.362323	1.678106	-1.180693	one
2019-09-25	1.438213	-2.261810	-1.035994	0.433404	one
2019-09-26	1.710651	-1.472062	1.081443	1.109993	two
2019-09-27	-0.189173	0.292800	-0.593975	-0.171872	three
2019-09-28	0.561579	0.002751	-0.233792	1.624140	four
2019-09-29	-1.037907	1.001527	1.521685	-0.049556	three

df2['E'].isin(['two', 'four'])    # 得到bool值

2019-09-24    False
2019-09-25    False
2019-09-26     True
2019-09-27    False
2019-09-28     True
2019-09-29    False
Freq: D, Name: E, dtype: bool

df2[df2['E'].isin(['two', 'four'])]

	A	B	C	D	E
2019-09-26	1.710651	-1.472062	1.081443	1.109993	two
2019-09-28	0.561579	0.002751	-0.233792	1.624140	four

生成新的列属性

df2['F'] = df2['A'] + df['B']    # 只能通过类似字典的形式，不能通过对象的属性形式

df2

	A	B	C	D	E	F
2019-09-24	-0.693593	-0.362323	1.678106	-1.180693	one	-1.055915
2019-09-25	1.438213	-2.261810	-1.035994	0.433404	one	-0.823597
2019-09-26	1.710651	-1.472062	1.081443	1.109993	two	0.238589
2019-09-27	-0.189173	0.292800	-0.593975	-0.171872	three	0.103627
2019-09-28	0.561579	0.002751	-0.233792	1.624140	four	0.564329
2019-09-29	-1.037907	1.001527	1.521685	-0.049556	three	-0.036380

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2019-10-4，如有侵权请联系 cloudcommunity@tencent.com 删除

nan

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

nan

登录后参与评论

0 条评论

热度

pandas系列2_选择数据

pandas系列2_选择数据

总结

查看指定的行列数据

`loc` 标签索引

`iloc`数字索引

获取具体位置的元素

布尔索引

`isin`方法过滤

生成新的列属性

社区

活动

资源

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

pandas系列2_选择数据

pandas系列2_选择数据

总结

查看指定的行列数据

loc 标签索引

iloc数字索引

获取具体位置的元素

布尔索引

isin方法过滤

生成新的列属性

社区

活动

资源

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

`loc` 标签索引

`iloc`数字索引

`isin`方法过滤