Pandas中Series和DataFrame的索引
在对Series对象和DataFrame对象进行索引的时候要明确这么一个概念:是使用下标进行索引,还是使用关键字进行索引。比如list进行索引的时候使用的是下标,而dict索引的时候使用的是关键字。
使用下标索引的时候下标总是从0开始的,而且索引值总是数字。而使用关键字进行索引,关键字是key里面的值,既可以是数字,也可以是字符串等。
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: int64print(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: 2print(s1[['a','d']]) 结果: a 2 d 5 dtype: int64print(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: 2print(s1[[0,3]]) 结果: a 2 d 5 dtype: int64print(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: int64print(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: boolprint(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: objectprint(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 90.0print(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: objectprint(df1.loc[:,'age']) 结果: 1 12 3 13 4 14 5 20 Name: age, dtype: int64print(df1.iloc[3]) 结果: age 20 name tian score 99.9 Name: 5, dtype: objectprint(df1.iloc[:,1]) 结果: 1 ming 3 hong 4 gang 5 tian Name: name, dtype: object
转载于:https://www.cnblogs.com/jiaxin359/p/8995133.html
Pandas中Series和DataFrame的索引相关推荐
- Pandas 中 Series 和 DataFrame 知识点
Series Series对象的创建 # pandas 学习 import pandas as pd from pandas import Series,DataFrame import numpy ...
- python科学计算笔记(三)pandas中Series和DataFrame练习
from pandas import Series, DataFrame# Series接收list或dict作为一维数据 #两个属性:values, index #① s1 = Series([4, ...
- 【DS with Python】 Pandas中Series DataFrame的结构、创建、查询、修改语法与实例
文章目录 前言 一.Series结构与应用 1.1 Series的构造 1.2 创建Series 1.2.1 可用于创建Series的类型 1.2.2 三种设置index的方法 1.2.3 Serie ...
- dataframe 切片_NumPy中的ndarray与Pandas的Series和DataFrame之间的区别与转换
在数据分析中,经常涉及numpy中的ndarray对象与pandas的Series和DataFrame对象之间的转换,让一些开发者产生了困惑.本文将简单介绍这三种数据类型,并以金融市场数据为例,给出相 ...
- python dataframe的某一列变为list_NumPy中的ndarray与Pandas的Series和DataFrame之间的区别与转换...
在数据分析中,经常涉及numpy中的ndarray对象与pandas的Series和DataFrame对象之间的转换,让一些开发者产生了困惑.本文将简单介绍这三种数据类型,并以金融市场数据为例,给出相 ...
- python 重置索引_python pandas 对series和dataframe的重置索引reindex方法
reindex更多的不是修改pandas对象的索引,而只是修改索引的顺序,如果修改的索引不存在就会使用默认的None代替此行.且不会修改原数组,要修改需要使用赋值语句. series.reindex( ...
- Python 数据分析三剑客之 Pandas(一):认识 Pandas 及其 Series、DataFrame 对象
CSDN 课程推荐:<迈向数据科学家:带你玩转Python数据分析>,讲师齐伟,苏州研途教育科技有限公司CTO,苏州大学应用统计专业硕士生指导委员会委员:已出版<跟老齐学Python ...
- pythonpandas函数详解_对pandas中Series的map函数详解
Series的map方法可以接受一个函数或含有映射关系的字典型对象. 使用map是一种实现元素级转换以及其他数据清理工作的便捷方式. (DataFrame中对应的是applymap()函数,当然Dat ...
- 利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍 一、pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包,主
利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍 一.pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包,主要目 ...
最新文章
- 霍山职业学校16届计算机学生,霍山职高(安徽霍山职业学校)
- 【算法笔记】B1044 火星数字
- python django 表单_Django-表单处理
- boost::graph模块使用breadth_first_search()实现GGCL算法的测试程序
- android有错.怎么办
- [Leetcode][第96题][JAVA][不同的二叉搜索树][动态规划][数学]
- JeecgBoot 3.1.0 版本发布,基于代码生成器的企业级低代码平台
- 【实战】NLP命名实体识别开源实战教程
- imageranger for Mac如何自定义过滤器选项
- 使用sshfs挂载服务器文件系统,用curlftpfs挂载FTP服务器
- CTA策略01_dualThrust
- Raspberry Pi 4B SSH、VNC及串口连接配置
- java实现找一条转乘次数最少的公交线路?,基于最优换乘次数的城市公交查询算法...
- 大同linux培训班,大同一对一高中辅导中心地址
- AcWing-C/C++语法基础【合集2】
- Python Flask Web教程002:Flask 快速上手
- 纯CSS3实现常见的时间进度线(竖立方向)
- 用友YonSuite释放商业创新的“蝴蝶效应”
- 【c++】手写笔记扫描版
- 抖音快手矩阵式操作 精准YL
热门文章
- !DOCTYPE html 到底是什么意思?
- Splay_Tree 模板(区间修改,旋转操作)
- hdu 4991 Ordered Subsequence
- [Linux 性能检测工具]DF
- 【转载】二分图最大匹配的König定理及其证明 Matrix67原创
- hbase 特性与api
- apt-get 操作过程中提示无法解析域名“cn.archive.ubuntu.com” 的解决
- Linux之chmod命令
- Linux之ls命令
- android studio获取数字签名,Android应用开发Android Studio数字签名打包apk图文步骤教程...