Pandas的使用总结

Pandas的使用总结-1

更新：在pandas的1.0.0版本开始，移除了Series.ix and DataFrame.ix 方法

 

样例DataFrame:

>>> df
    A   B   C   D
0  a1  b1  c1  d1
1  a2  b2  c2  d2
2  a3  b3  c3  d3
3  a4  b4  c4  d4
4  a5  b5  c5  d5
5  a6  b6  c6  d6

 

1.选取，切片

pandas中选取方式有很多种，最常用的是一下几种：直接选取（单维度选取）、iloc();loc();ix()函数选取（区域选区），at();iat()函数选取（单元格选取）。

1.1直接选取

选取行：直接在定义的df后加[ ],然后输入数字索引或者定义的行标签，可以使用切片。
选取列：直接在定义的df后加[ ],然后输入定义的列标签，不能使用切片。
选取行使用切片时应注意，数字索引为左闭右开，自己定义的标签索引为左闭右闭。

#选取行
df[0 : 2]#左闭右开
df['a' : 'c']#左闭右闭

#选取列
df['A']
df[['A', 'C']]#多个列的时候要用两个[]
#注意选取列不能切片方法，如
#df['A':'C']

#条件选取
df[[i > 30 for i in df['age']]]
df[df['age'] > 30]

#当条件有多个时，可以用& | ！=等连接多个条件，但是每个条件都要被()包括
#筛选出年龄大于30且未婚的人
df[(df['age'] > 30) & (df['isMarried'] == 'no')]#多个条件，每个条件要用()括起来

1.2 loc[]、iloc[]、ix[]方法（属性）选取区域

loc[],只能用标签选取，前闭后闭
iloc[],只能用整数选取，前闭后开
ix[], 可以使用标签和整数。不管用哪个索引，均为左闭右闭。
三种方法都可以时用切片，也可以进行条件选取。

1.2.1 loc[]

#.loc[],只能用标签选取，前闭后闭
#选取行
df.loc[2, :]
df.loc[2]#默认所有列,这俩种方式等价

df.loc[2:5, :]#使用切片时不用加[ ]
df.loc[[2, 4], ['B', 'D']]#选择多个单独的行时，要加[ ]，相当于创建一个所选行或列的列表
df.loc[df['age'] > 30, : ]#条件选取

#选择列
df.loc[:, 'B']
df.loc[:, 'B' : 'D']#使用切片时不用加[ ]
df.loc[:, ['B', 'D']]#选择多个单独的列时，要加[ ]
df.loc[df['age'] > 30, ['name', 'age']]#条件选取

1.2.2 iloc[]

#iloc[],只能用整数选取，前闭后开
#选取行
df.iloc[0, :]
df.iloc[0]#默认所有列
df.iloc[0 : 3, :]#使用切片时不用加[ ]
df.iloc[[0, 3], :]##选择某个区域,选择多个单独的行时，要加[ ]
#df.iloc[df.iloc[0] > 30, :]不可行

#选取列
df.iloc[:, 0]
df.iloc[:, 0 : 3]#不包含第四列
df.iloc[:, [0, 3]]#第一列和第四列


#同时选取行和列（选取区域）
df.iloc[1, [0, 2, 3]]
df.iloc[: 3, : 3]

1.2.3 ix[]

实际上是上面俩种方式的综合，无论使用整数还是标签都可以，混合使用都可以。

1.2.4 at[]与iat[]选取具体某一个单元格

既可以类比啦，一种是只能用标签、一种是只能用整数选取，只不过是选取单元格数据的方法。

df.at[1,'B']
#此处注意，第一个标签之所以是数字1，是因为此df正好是整数1

df.iat[1,1]
#此处注意，一个参数和上面都是1，但是意义不一样，此处为数字1，上面的是标签1

---

2. DataFrame和Series的索引重置

#重新从0开始排序设置索引
df.reset_index()

#暴力指定索引
df.index = range(1,7,1)) #索引从1开始