在最基本的层面上，Pandas 对象可以认为是 NumPy 结构化数组的增强版本，其中行和列用标签而不是简单的整数索引来标识。...”中讨论 Pandas 索引和切片的一些怪异之处。...例如，data可以是列表或 NumPy 数组，在这种情况下index默认为整数序列： pd.Series([2, 4, 6]) ''' 0 2 1 4 2 6 dtype: int64...对于DataFrame，data ['col0']将返回第一列。因此，最好将DataFrame视为扩展的字典而不是扩展的数组，尽管两种看待这个情况的方式都是实用的。...例如，我们可以使用标准的 Python 索引表示法来检索值或切片： ind[1] # 3 ind[::2] # Int64Index([2, 5, 11], dtype='int64') `Index
Pandas对象简介 如果从底层视角观察Pandas，可以把它们看成增强版的Numpy结构化数组，行列都不再是简单的整数索引，还可以带上标签。...DataFrame是特殊的字典 与Series 类似，我们也可以把DataFrame 看成一种特殊的字典。字典是一个键映射一个值，而DataFrame 是一列映射一个Series 的数据。...0 0 1 1 2 2 2 4 即使字典中有些键不存在，Pandas 也会用缺失值NaN（不是数字，not a number）来表示： pd.DataFrame([{'a': 1, 'b': 2},...如果不指定行列索引值，那么行列默认都是整数索引值：(本质是给一个多维Series对象，给定行索引index，给定列索引columus，默认为None) pd.DataFrame(np.random.rand...: Index does not support mutable operations Index 对象的不可变特征使得多个DataFrame 和数组之间进行索引共享时更加安全，尤其是可以避免因修改索引时粗心大意而导致的副作用
① 单行索引 df.loc[1103] 虽然这里的1103是整数, 但loc索引方式用的是索引标签, 而不是默认整数索引(注意默认整数索引和标签索引这二者有时候是一样的) ② 多行索引 多行索引时，需传入一个...list，而不是多个索引 df.loc[[1102,2304]] 多行索引时, 传入的必须是一个list, 而不是两个或多个索引, 否则会报错 #以下索引报错 # TypeError: cannot do...df.iloc[lambda x:np.arange(3)] 小节：由上所述，iloc中接收的参数只能为整数或整数列表，不能使用布尔索引。...df1.loc[:,0] 但是传入的是切片的时候,会默认使用的是默认整数索引, 因此尾端是不包含的。...索引多列时,传入的必须是一个list,而不是多个列名标签--方括号应该有两层。
给定的索引必须是整数索引位置的列表或 ndarray。take还将接受负整数作为相对于对象末尾的位置。...，那么切片的两个边界都必须是索引的唯一成员。...整数索引 具有整数轴标签的基于标签的索引是一个棘手的问题。在邮件列表和科学 Python 社区的各个成员中已经进行了大量讨论。在 pandas 中，我们的一般观点是标签比整数位置更重要。...非单调索引需要精确匹配 如果Series或DataFrame的索引是单调递增或递减的，则基于标签的切片的边界可以超出索引的范围，就像切片索引正常的 Python list一样。...，则切片边界必须是索引的唯一成员。
通常使用标量进行索引会降低维度。使用标量切片DataFrame将返回一个Series。使用标量切片Series将返回一个标量。但是对于重复项，情况并非如此。...通常使用标量进行索引将减少维度。使用标量对DataFrame进行切片将返回一个Series。使用标量对Series进行切片将返回一个标量。但是对于重复项，情况并非如此。...分类数据的所有值都在categories或np.nan中。顺序由categories的顺序而不是值的词法顺序定义。...所有其他比较，特别是两个具有不同类别或一个具有任何类列表对象的分类的“非相等”比较，都会引发TypeError。...numpy数组 目前，分类数据和底层的Categorical是作为 Python 对象实现的，而不是作为低级别的 NumPy 数组 dtype。
允许的输入包括： 单个标签，例如 5 或 'a'（请注意，5 被解释为索引的 标签。这种用法不是索引上的整数位置。）。 一个标签列表或数组 ['a', 'b', 'c']。...警告 当您提供与索引类型不兼容（或可转换）的切片器时，.loc是严格的。例如，在DatetimeIndex中使用整数。这将引发TypeError。...每个要求的标签必须在索引中，否则将引发KeyError。在切片时，如果存在于索引中，则起始边界和停止边界都包括。整数是有效的标签，但它们指的是标签而不是位置。 .loc属性是主要的访问方法。...以下是有效的输入： 一个单个标签，例如5或'a'（请注意，5被解释为索引的标签。这种用法不是索引上的整数位置。）。 一个标签列表或数组['a', 'b', 'c']。...pandas 提供了一套方法，以便获得纯整数索引。语义紧随 Python 和 NumPy 的切片。这些是0-based索引。在切片时，起始边界是包含的，而上限是排除的。
pandas 有 SettingWithCopyWarning，因为在切片的副本上赋值通常不是有意的，而是由于链式索引返回了一个副本而预期的是一个切片引起的错误。...允许的输入是： 单个标签，例如 5 或 'a'（请注意 5 被解释为索引的 标签。这种用法 不是 沿索引的整数位置。）。 标签列表或数组 ['a', 'b', 'c']。...每个请求的标签必须在索引中，否则将引发KeyError。在切片时，如果存在于索引中，则起始边界和停止边界都将包括。整数是有效标签，但它们指的是标签而不是位置。 .loc属性是主要访问方法。...以下是有效输入： 单个标签，例如5或'a'（请注意，5被解释为索引的标签。此用法不是索引上的整数位置）。 标签列表或数组['a', 'b', 'c']。...pandas 提供了一套方法，以便获得纯整数索引。语义紧随 Python 和 NumPy 的切片。这些是基于 0 的索引。在切片时，起始边界是包含的，而上限是不包含的。
我们可以简单地将 Pandas 对象理解为 Numpy 数组的增强版本，其中行与列可以通过标签进行识别，而不仅是简单的数字索引。Pandas 为这些基本数据结构提供了一系列有用的工具与方法。...Series 对象是一个可索引数据的「一维数组」，我们可以基于列表或数组来创建该对象： In[2]: data = pd.Series([0.25, 0.5, 0.75, 1.0]) data...： 「基于嵌套列表（或元组）构建」（可以混用）： In[extra1]: pd.DataFrame([[1,2],[2,3],[3,4]], columns=['A', 'B']) Out[extra2...(zip(a_list, b_list)) 创建嵌套列表，再基于上述方式创建 DataFrame 即可（行索引为默认整数索引）。...Index 对象与 Numpy 数组的区别在于其是不可变的（类似列表与元组的区别），我们不能对索引进行修改： In[34]: ind[1] = 0 TypeError: Index does not support
有一些模糊的情况，传递的索引器可能被误解为索引两个轴，而不是例如行的MultiIndex。...给定的索引必须是整数索引位置的列表或 ndarray。take 还将接受负整数作为相对于对象末尾的位置。...整数索引 使用整数轴标签进行基于标签的索引是一个棘手的问题。...非单调索引需要精确匹配 如果Series或DataFrame的索引是单调递增或递减的，那么基于标签的切片的边界可以超出索引范围，就像切片索引普通的 Python list一样。...，那么切片的两个边界必须是索引的唯一成员。
Series 中的单个或一组值，代码示例： obj2[['a', 'b', 'c']] obj2['a']=2 obj2[['a', 'b', 'c']] [‘a’,’b’,’c]是索引列表，即使它包含的是字符串而不是整数...DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共用同一个索引）。DataFrame 中的数据是以一个或多个二维块存放的（而不是列表、字典或别的一维数据结构）。...其长度必须跟DataFrame的长度相匹配。...另一种常见的数据形式是嵌套字典，如果嵌套字典传给 DataFrame，pandas 就会被解释为：外层字典的键作为列，内层键则作为行索引，代码示例： #DataFrame另一种常见的数据形式是嵌套字典...print(df.iloc[1,0]) # 13, numpy ndarray ''' 4 ''' print(df.iloc[3:5,1:3]) # 不包含末尾5或3，同列表切片 '''
---- 第01章 Pandas基础 第02章 DataFrame运算 第03章 数据分析入门 第04章 选取数据子集 第05章 布尔索引 第06章 索引对齐 第07章 分组聚合、过滤、转换...In[3]: city.iloc[3] Out[3]: 'Huntsville' # iloc通过整数列表选取多行，返回结果是Series In[4]: city.iloc[[10,20,30]]...用整数和标签选取数据 # 读取college数据集，行索引命名为INSTNM In[33]: college = pd.read_csv('data/college.csv', index_col='...INSTNM') # 用索引方法get_loc，找到指定列的整数位置 In[34]: col_start = college.columns.get_loc('UGDS_WHITE')...下面是对DataFrame用标签切片 In[53]: start = 'Mesa Community College' stop = 'Spokane Community College
DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用同一个索引）。DataFrame中的数据是以一个或多个二维块存放的（而不是列表、字典或别的一维数据结构）。...创建DataFrame的办法有很多，最常用的一种是直接传入一个由等长列表或 NumPy 数组组成的字典： import pandas as pd data = {'state': ['Ohio',...字典键或Series索引的并集将会成为DataFrame的列标 由列表或元组组成的列表 类似于“二维ndarray" 另一个DataFrame 该DataFrame的索引将会被沿用，除非显式指定了其他索引...下表对DataFrame进行了总结： 类型 描述 df[val] 从DataFrame选取单列或一组列;在特殊情况下比较便利:布尔型数组（过滤行）、切片(行切片)、或布尔型DataFrame（根据条件设置值...通过标签选取行或列 get_value, set_value 通过行和列标签选取单一值 ---- 2.5 整数索引 处理整数索引的 Pandas 对象常常难住新手，因为它与 Python 内置的列表和元组的索引语法不同
一维数组的索引 多维数组的索引 （2）切片索引 一维数组的切片索引（与Python列表的切片索引一样） 多维数组的切片索引 （3）花式索引 元素索引和切片索引都是仅局限于连续区域的值，而花式索引可以选取特定区域的值...DataFrame既有行索引也有列索引，其中的数据是以一个或多个二维块存放的，而不是列表、字典或别的一维数据结构。...（2）创建DataFrame： 最常用的一种方法是直接传入一个等长列表或numpy数组组成的字典： 结果DataFrame会自动加上索引（添加方法与Series一样），且全部列会被有序排列。...也可以给某一列赋值一个列表或数组，其长度必须跟DataFrame长度相匹配。如果赋值的是一个Series，则对应的索引位置将被赋值，其他位置的值被赋予空值。...9、层次化索引 层次化索引是pandas的一个重要功能，它的作用是使你在一个轴上拥有两个或多个索引级别。相当于Excel中vlookup函数的多条件查找中的多条件。
问题描述在pandas的DataFrame格式数据中，每一列可以是不同的数据类型，如数值型、字符串型、日期型等。而ndarray格式数据需要每个元素都是相同类型的，通常为数值型。...同质性：ndarray中存储的数据类型必须是相同的，通常是数值型数据。高效性：ndarray底层采用连续的内存块存储数据，并且对于数组中的每个元素，采用相同大小的内存空间。...创建ndarray在numpy中，我们可以使用多种方式来创建ndarray对象：通过Python原生列表或元组创建：使用numpy.array()函数可以从一个Python原生列表或元组创建一个ndarray...ndrray的索引和切片ndarray支持基于索引和切片的灵活数据访问和操作。可以使用方括号[]来访问数组的元素。下面是一些常用的索引和切片操作：整数索引：通过指定索引位置来访问数组的元素。...布尔索引：通过指定一个布尔数组来访问数组中满足某个条件的元素。例如a[a > 5]可以访问数组a中大于5的元素。花式索引：通过指定一个索引数组或整数数组来访问数组的元素。
索引对象Index Series和DataFrame中的索引都是Index对象 示例代码： print(type(ser_obj.index)) print(type(df_obj2.index))...print(df_obj2.index) 运行结果： <class 'pandas.indexes.numeric.Int64Index...: Index does not support mutable operations 常见的Index种类 Index，索引 Int64Index，整数索引 MultiIndex，层级索引 DatetimeIndex...[pos] 示例代码： # 行索引 print(ser_obj['b']) print(ser_obj[2]) 运行结果： 1 2 切片索引 ser_obj[2:4], ser_obj[‘label1...’: ’label3’] 注意，按索引名切片操作时，是包含终止索引的。
标量值（比如 5） 传递的索引是一个轴标签列表。...来自标量值 如果data是一个标量值，则必须提供一个索引。该值将被重复以匹配索引的长度。...如果传递了索引，它也必须与数组的长度相同。如果没有传递索引，结果将是 range(n)，其中 n 是数组的长度。...传递可调用对象，而不是要插入的实际值，在没有对 DataFrame 的引用时非常有用。在操作链中使用assign()时，这是常见的。...传递一个可调用对象，而不是要插入的实际值，当你手头没有 DataFrame 的引用时会很有用。在一系列操作中使用assign()时，这是很常见的情况。
5.1 数据的合并 用merge合并 DataFrame.merge(self，right，how =‘inner’，on = None) right指要合并的对象 on指要加入的列或索引级别名称，必须在两个...数据提取 下面这部分会比较绕： loc函数按标签值进行提取，iloc按位置进行提取pandas.DataFrame.loc() 允许输入的值： 单个标签，例如5或’a’，（请注意，5被解释为索引的标签，...而不是沿索引的整数位置）。...标签列表或数组，例如。[‘a’, ‘b’, ‘c’] 具有标签的切片对象，例如’a’:‘f’，切片的开始和结束都包括在内。...#pandas.DataFrame.loc pandas.DataFrame.iloc() 允许输入的值：整数5、整数列表或数组[4,3,0]、整数的切片对象1:7 更多关于pandas.DataFrame.iloc
正整数用于从数组的开头开始索引元素(索引从0开始),而负整数用于从数组的结尾开始索引元素，其中最后一个元素的索引是-1，第二个到最后一个元素的索引是-2，以此类推。...而在选择行和列的时候可以传入列表,或者使用冒号来进行切片索引。...函数语法为: .iloc[整数、整数列表、整数切片、布尔列表以及函数]。[ ]里面的使用方法同.loc[ ]方法。...关键技术：这里介绍一下.iloc[函数]中的函数使用方法： ①函数 =自定义函数（函数的返回值需要是合法对象（= 整数、整数列表、整数切片、布 列表）） ②匿名函数lambda :使用方法 语法...join_axes-这是索引对象的列表。用于其他(n-1)轴的特定索引,而不是执行内部/外部设置逻辑。 【例】使用Concat连接对象。
虽然 pandas 基于 numpy，但是在开始 pandas 系列文章前，我并不打算先介绍 numpy 的具体使用，因为 numpy 着重解决的是多维列表或矩阵的数学运算问题，pandas 设计之初就是为了解决实际问题...Series 是一种类似于 一维 数组的对象，由一组数据（数据类型可以是整数、浮点数、字符串和其他 Python 对象）和与之同长度的索引（或称标签）组成。...data 是必选参数，index 如缺省，其默认是 range(len(data))，如上面的代码没有指定 index，则 index = [0,1,2,3]，而不是[1,2,3,4]；dtype 如缺省...切片 Series 类似于列表，也提供了切片操作： print(s2[1:3]) ?...Series 到此为止，作为 pandas 两种数据结构之一，它是另一种数据结构 DataFrame 的基础，只不过 Series 是一维的，DataFrame 是二维表格式的，下一篇就谈 DataFrame
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
