跳转至

用熊猫索引和选择数据

原文:https://www.geeksforgeeks.org/用熊猫索引和选择数据/

熊猫索引: 熊猫索引意味着简单地从数据帧中选择特定的数据行和列。索引可能意味着选择所有的行和一些列，一些行和所有的列，或者每个行和列中的一些。索引也可以称为子集选择。

让我们看一些熊猫索引的例子。在本文中，我们使用“nba.csv”文件下载 CSV，点击这里。

选择一些行和一些列

让我们取一个包含一些假数据的数据帧，现在我们对这个数据帧执行索引。在本例中，我们从数据框中选择一些行和一些列。带有数据集的数据框。 假设我们想要选择列Age、College和Salary仅用于带有标签Amir Johnson和Terry Rozier 的行，我们的最终数据框将如下所示:

选择一些行和所有列

假设我们要选择第Amir Jhonson、Terry Rozier行和John Holland行，所有列都在一个数据框中。 我们最终的数据帧如下所示:

选择一些列和所有行

假设我们要选择“年龄”、“身高”和“工资”列，所有行都在一个数据框中。 我们最终的数据帧应该是这样的:

熊猫索引使用[ ]、[.loc[]](https://www.geeksforgeeks.org/python-pandas-extracting-rows-using-loc/)、[.iloc[ ]](https://www.geeksforgeeks.org/python-extracting-rows-using-pandas-iloc/)、[.ix[ ]](https://www.geeksforgeeks.org/python-pandas-dataframe-ix/)

有很多方法可以从数据框中提取元素、行和列。熊猫中有一些索引方法有助于从数据帧中获取元素。这些索引方法看起来非常相似，但行为却大不相同。熊猫支持四种类型的多轴索引，它们是:

他们统称为索引器。这些是迄今为止最常见的数据索引方式。这四个函数有助于从数据框中获取元素、行和列。

使用索引运算符[] : 索引运算符用于引用对象后面的方括号。[.loc](https://www.geeksforgeeks.org/python-pandas-extracting-rows-using-loc/)和[.iloc](https://www.geeksforgeeks.org/python-extracting-rows-using-pandas-iloc/)索引器也使用索引操作符进行选择。在这个索引操作符中引用 df[]。

选择单个列

为了选择单个列，我们只需将列名放在括号中

# importing pandas package
import pandas as pd

# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")

# retrieving columns by indexing operator
first = data["Age"]

print(first)

输出:

选择多列

为了选择多个列，我们必须在索引操作符中传递一个列列表。

# importing pandas package
import pandas as pd

# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")

# retrieving multiple columns by indexing operator
first = data[["Age", "College", "Salary"]]

first

输出:

使用[.loc[ ]](https://www.geeksforgeeks.org/python-pandas-extracting-rows-using-loc/) : 索引数据帧此功能通过行和列的标签选择数据。df.loc索引器选择数据的方式与索引操作符不同。它可以选择行或列的子集。它还可以同时选择行和列的子集。

选择单行

为了使用.loc[]选择单行，我们在.loc函数中放置一个单行标签。

# importing pandas package
import pandas as pd

# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")

# retrieving row by loc method
first = data.loc["Avery Bradley"]
second = data.loc["R.J. Hunter"]

print(first, "\n\n\n", second)

输出: 如输出图像所示，由于两次都只有一个参数，所以返回了两个序列。

选择多行

为了选择多行，我们将所有行标签放在一个列表中，并将其传递给[.loc](https://www.geeksforgeeks.org/python-pandas-extracting-rows-using-loc/)函数。

import pandas as pd

# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")

# retrieving multiple rows by loc method
first = data.loc[["Avery Bradley", "R.J. Hunter"]]

print(first)

输出:

选择两行三列

为了选择两行和三列，我们选择一个我们想要选择的两行和三列，并将其放在一个单独的列表中，如下所示:

Dataframe.loc[["row1", "row2"], ["column1", "column2", "column3"]]


import pandas as pd

# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")

# retrieving two rows and three columns by loc method
first = data.loc[["Avery Bradley", "R.J. Hunter"],
                   ["Team", "Number", "Position"]]

print(first)

输出:

选择所有行和一些列

为了选择所有的行和一些列，我们使用单冒号 [:] 来选择所有的行和一些列的列表，我们想要这样选择:

Dataframe.loc[[:, ["column1", "column2", "column3"]]


import pandas as pd

# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")

# retrieving all rows and some columns by loc method
first = data.loc[:, ["Team", "Number", "Position"]]

print(first)

输出:

使用[.iloc[ ]](https://www.geeksforgeeks.org/python-extracting-rows-using-pandas-iloc/) : 索引数据框该功能允许我们按位置检索行和列。为了做到这一点，我们需要指定我们想要的行的位置，以及我们想要的列的位置。df.iloc 索引器与df.loc 非常相似，但仅使用整数位置进行选择。

选择单行

为了使用.iloc[]选择单行，我们可以将单个整数传递给.iloc[]函数。

import pandas as pd

# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")

# retrieving rows by iloc method 
row2 = data.iloc[3] 

print(row2)

输出:

选择多行

为了选择多行，我们可以将一个整数列表传递给.iloc[]函数。

import pandas as pd

# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")

# retrieving multiple rows by iloc method 
row2 = data.iloc [[3, 5, 7]]

row2

输出:

选择两行和两列

为了选择两行两列，我们为行创建一个 2 整数列表，为列创建一个 2 整数列表，然后传递给.iloc[]函数。

import pandas as pd

# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")

# retrieving two rows and two columns by iloc method 
row2 = data.iloc [[3, 4], [1, 2]]

print(row2)

输出:

选择所有行和一些列

为了选择所有的行和一些列，我们使用单冒号 [:] 来选择所有的行，对于列，我们制作一个整数列表，然后传递给一个.iloc[]函数。

import pandas as pd

# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")

# retrieving all rows and some columns by iloc method 
row2 = data.iloc [:, [1, 2]]

print(row2)

输出:

使用data frame.IX【】: 熊猫发育早期，存在另一个索引器，ix。该索引器能够通过标签和整数位置进行选择。虽然它是通用的，但它引起了很多混乱，因为它不明确。有时整数也可以是行或列的标签。因此，有些情况下，它是模棱两可的。一般来说，ix是基于标签的，就像一样。锁定步进器。但是，.ix也支持整数类型选择(如。其中传递了一个整数。这仅适用于数据帧的索引不是基于整数的情况.ix将接受.loc和.iloc的任何输入。 注:。ix 索引器在 Pandas 的近期版本中已被弃用。

使用[.ix[]](https://www.geeksforgeeks.org/python-pandas-dataframe-ix/)作为[.loc[]](https://www.geeksforgeeks.org/python-pandas-extracting-rows-using-loc/)选择单行

为了选择单行，我们在一个.ix函数中放置一个单行标签。这个函数的行为类似于。loc[]如果我们传递一个行标签作为函数的参数。

# importing pandas package
import pandas as pd

# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")

# retrieving row by ix method
first = data.ix["Avery Bradley"]

print(first)

输出:

使用[.ix[]](https://www.geeksforgeeks.org/python-pandas-dataframe-ix/)作为[.iloc[]](https://www.geeksforgeeks.org/python-extracting-rows-using-pandas-iloc/)选择单行

为了选择单行，我们可以将单个整数传递给.ix[]函数。如果我们在.ix[]函数中传递一个整数，这个函数类似于 iloc[]函数。

# importing pandas package
import pandas as pd

# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")

# retrieving row by ix method
first = data.ix[1]

print(first)

输出:

数据框中的索引方法

| 功能 | 描述 | | Dataframe.head() | 返回数据帧的顶部 n行。 | | 【data frame.tail() | 返回数据帧的底部n行。 | | 数据框[] | 访问行/列标签对的单个值。 | | Dataframe.iat[] | 按整数位置访问行/列对的单个值。 | | 【data frame.tail() | 完全基于整数位置的索引，用于按位置选择。 | | DataFrame.lookup() | 基于标签的数据帧“花式索引”功能。 | | 【data frame.pop() | 返回项目并从框架中删除。 | | 数据帧. xs() | 从数据框中返回横截面(行或列)。 | | DataFrame.get() | 从给定键的对象中获取项目(数据框列、面板切片等)。). | | DataFrame.isin() | 返回布尔数据框，显示数据框中的每个元素是否包含在值中。 | | 数据框() | 返回一个与自身形状相同的对象，其对应条目来自自身，条件为真，否则来自其他。 | | 【data frame.mask() | 返回一个与自身形状相同的对象，其对应条目来自自身，条件为假，否则来自其他。 | | data frame.query() | 用布尔表达式查询框架的列。 | | 数据帧插入() | 将列插入指定位置的数据框。 |

回到顶部