Pandas中Series和DataFrame的索引实现
今天就跟大家聊聊有关Pandas中Series和DataFrame的索引实现,可能很多人都不太了解,为了让大家更加了解,小编给大家总结了以下内容,希望大家根据这篇文章可以有所收获。
Series对象介绍:
Series对象是由索引index和值values组成的,一个index对应一个value。其中index是pandas中的Index对象。values是numpy中的数组对象。
import pandas as pd s1 = pd.Series([2,3,4,5], index=['a', 'b', 'c', 'd']) print(s1) 结果: a 2 b 3 c 4 d 5 dtype: int64 print(s1.index) 结果: Index(['a', 'b', 'c', 'd'], dtype='object') print(s1.values) 结果: [2 3 4 5]
如何对Series对象进行索引?
1:使用index中的值进行索引
print(s1['a']) 结果: 2 print(s1[['a','d']]) 结果: a 2 d 5 dtype: int64 print(s1['b':'d']) 结果(注意,切片索引保存最后一个值): b 3 c 4 d 5 dtype: int64
2:使用下标进行索引
print(s1[0]) 结果: 2 print(s1[[0,3]]) 结果: a 2 d 5 dtype: int64 print(s1[1:3]) 结果(注意:这里和上面不同的是不保存最后一个值,与正常索引相同): b 3 c 4 dtype: int64
3:特殊情况:
上面的index为字符串,假如index为数字,这个时候进行索引是按照index值进行还是按照下标进行?
s1 = pd.Series([2,3,4,5], index=[1,2,3,4]) print(s1[2]) 结果: 3 print(s1[0]) 会报错 print(s1[[2,4]]) 结果: 2 3 4 5 dtype: int64 print(s1[1:3]) 结果: 2 3 3 4 dtype: int64
可以看出来,当index为整数的时候,那么前两种选择是使用index的值进行索引, 而后一种切片选择使用的是下标进行索引。
4:使用布尔Series进行索引
使用布尔Series进行索引的时候,其实是要求布尔Series和我们的索引对象有相同的index。
s1 = pd.Series([2,3,4,5], index=['a', 'b', 'c', 'd'] print(s1 > 3) 结果(这是一个bool Series): a False b False c True d True dtype: bool print(s1[s1 > 3]) 结果(只需要把bool Series 传入Series就可以实现索引): c 4 d 5 dtype: int64
5:使用Index对象来进行索引
使用Index对象进行索引的时候,和使用值索引没有本质的区别。因为Index里面也存入了很多值,可以把Index看做一个list。
DataFrame对象介绍:
DataFrame对象是一个由行列组成的表。DataFrame中行由columns组成,列由index组成,它们都是Index对象。它的值还是numpy数组。
data = {'name':['ming', 'hong', 'gang', 'tian'], 'age':[12, 13, 14, 20], 'score':[80.3, 88.2, 90, 99.9]} df1 = pd.DataFrame(data) print(df1.index) 结果: RangeIndex(start=0, stop=4, step=1) print(df1.columns) 结果: Index(['age', 'name', 'score'], dtype='object') print(df1.values) 结果: [[12 'ming' 80.3] [13 'hong' 88.2] [14 'gang' 90.0] [20 'tian' 99.9]]
如何对DataFrame对象进行索引
1:使用columns的值对列进行索引
直接使用columns中的值进行索引,得到的是一列或者是多列的值
print(df1['name']) 结果: 0 ming 1 hong 2 gang 3 tian Name: name, dtype: object print(df1[['name','age']]) 结果: name age 0 ming 12 1 hong 13 2 gang 14 3 tian 20 注意:不可以直接使用下标对列进行索引,除非该columns当中包含该值。如下面的操作是错误的 print(df1[0]) 结果: 错误
2:切片或者布尔Series对行进行索引
使用切片索引,或者布尔类型Series进行索引:
print(df1[0:3]) 使用切片进行选择,结果: age name score 0 12 ming 80.3 1 13 hong 88.2 2 14 gang 90.0 print(df1[ df1['age'] > 13 ]) 使用布尔类型Series进行索引,其实还是要求布尔Series和DataFrame有相同的index,结果: age name score 2 14 gang 90.0 3 20 tian 99.9
3:使用loc和iloc进行索引
本质上loc是用index和columns当中的值进行索引,而iloc是不理会index和columns当中的值的,永远都是用从0开始的下标进行索引。所以当你搞懂这句话的时候,下面的索引就会变得非常简单:
print(df1.loc[3]) 结果: name hong score 88.2 Name: 3, dtype: object print(df1.loc[:,'age']) 结果: 1 12 3 13 4 14 5 20 Name: age, dtype: int64 print(df1.iloc[3]) 结果: age 20 name tian score 99.9 Name: 5, dtype: object print(df1.iloc[:,1]) 结果: 1 ming 3 hong 4 gang 5 tian Name: name, dtype: object
看完上述内容,你们对Pandas中Series和DataFrame的索引实现有进一步的了解吗?如果还想了解更多知识或者相关内容,请关注行业资讯频道,感谢大家的支持。