pandas 索引选取和过滤（四）

建立Series

from pandas import Series,DataFrame
import numpy as np
import pandas as pd

obj=Series(np.arange(4),index=['a','b','c','d'])obj
Out[5]:
a    0
b    1
c    2
d    3
dtype: int32

选取

obj['b']
Out[6]: 1obj[1]
Out[7]: 1obj[3]
Out[8]: 3

obj[2:4]
Out[10]:
c    2
d    3
dtype: int32

obj[['b','a','d']]
Out[11]:
b    1
a    0
d    3
dtype: int32

obj[[1,3]]
Out[12]:
b    1
d    3
dtype: int32

obj[obj<2]
Out[13]:
a    0
b    1
dtype: int32

利用标签切片与普通python 切片不同，python是左闭右开区间[a,b),而标签切片是闭合区间[a,b]

In [14]: obj['b':'c']
Out[14]:
b    1
c    2
dtype: int32

obj['b','c']=5obj
Out[16]:
a    0
b    5
c    5
d    3
dtype: int32

DataFrame 选取

data=DataFrame(np.arange(16).reshape((4,4)),index=['ohio','colorado','utah','new york'],columns=['one','two','three','four'])

data
Out[18]: one  two  three  four
ohio        0    1      2     3
colorado    4    5      6     7
utah        8    9     10    11
new york   12   13     14    15

data['two']
Out[19]:
ohio         1
colorado     5
utah         9
new york    13
Name: two, dtype: int32

data[['three','one']]
Out[20]: three  one
ohio          2    0
colorado      6    4
utah         10    8
new york     14   12

data[:2]
Out[21]: one  two  three  four
ohio        0    1      2     3
colorado    4    5      6     7

data[data['three']>5]
Out[22]: one  two  three  four
colorado    4    5      6     7
utah        8    9     10    11
new york   12   13     14    15

data<5
Out[23]: one    two  three   four
ohio       True   True   True   True
colorado   True  False  False  False
utah      False  False  False  False
new york  False  False  False  False

data[data<5]=0data
Out[26]: one  two  three  four
ohio        0    0      0     0
colorado    0    5      6     7
utah        8    9     10    11
new york   12   13     14    15

ix的用法

data
Out[26]: one  two  three  four
ohio        0    0      0     0
colorado    0    5      6     7
utah        8    9     10    11
new york   12   13     14    15

data.ix['colorado',['two','three']]
Out[27]:
two      5
three    6
Name: colorado, dtype: int32

data.ix[['colorado','utah'],[3,0,1]]
Out[29]: four  one  two
colorado     7    0    5
utah        11    8    9

data.ix[2]
Out[6]:
one       8
two       9
three    10
four     11
Name: utah, dtype: int32

data.ix[:'utah','two']
Out[9]:
ohio        1
colorado    5
utah        9
Name: two, dtype: int32

data.ix[data.three>5]
Out[13]: one  two  three  four
colorado    4    5      6     7
utah        8    9     10    11
new york   12   13     14    15data.ix[data.three>5,:3]
Out[14]: one  two  three
colorado    4    5      6
utah        8    9     10
new york   12   13     14

pandas 索引选取和过滤（四）相关推荐

python分组求和_Python学习笔记之pandas索引列、过滤、分组、求和功能示例
本文实例讲述了Python学习笔记之pandas索引列.过滤.分组.求和功能.分享给大家供大家参考,具体如下: 前面我们已经把519961(基金编码)这种基金的历史净值明细表html内容抓取到了本地, ...
pandas获得指定行_如何用pandas实现选取特定索引的行
培训的人在不断的增加, 今天小编就给大家分享一些关于 Python 开发的技能, 供喜欢 Python 开发的小伙伴学习, 下面就和小编一起来看一下如何用 pandas 实现选取特定索引的行吧. 如 ...
pandas plot label_数据科学| 手把手教你用 pandas 索引、汇总、处理缺失数据
作者:Paul 编者按: pandas提供了很多常用的数学和统计方法,本文中将用十分详细的例子来具体进行介绍:另外在许多数据分析工作中,缺失数据是经常发生的,将会具体介绍如何处理缺失数据.本文十分详细 ...
字段缺失_数据科学| 手把手教你用 pandas 索引、汇总、处理缺失数据
作者:Paul 编者按: pandas提供了很多常用的数学和统计方法,本文中将用十分详细的例子来具体进行介绍:另外在许多数据分析工作中,缺失数据是经常发生的,将会具体介绍如何处理缺失数据.本文十分详细 ...
pandas索引和选择
http://blog.csdn.net/pipisorry/article/details/18012125 索引Index Many of these methods or variants th ...
pandas索引和选择数据
使用pandas索引和选择数据时,总是需要百度,因此决定对pandas.DataFrame中的索引和选择方法做个总结.所用的pandas版本号为0.20.1 pandas中有三种索引方法:.loc,. ...
pandas索引复合索引dataframe数据、索引其中一个水平（level）的所有数据行(index all rows in a level)
pandas索引复合索引dataframe数据.索引其中一个水平(level)的所有数据行(index all rows in a level) 目录
pandas索引复合索引dataframe数据、索引dataframe中指定行和指定列交叉格子的数据内容(getting a specific value)、使用元组tuple表达复合索引的指定行
pandas索引复合索引dataframe数据.索引dataframe中指定行和指定列交叉格子的数据内容(getting a specific value).使用元组tuple表达复合索引的指定行目 ...
pandas索引复合索引dataframe数据、索引其中一个水平（level）的所特定数据行、指定数据行(index a row of a level)、使用元组tuple表达复合索引的指定行
pandas索引复合索引dataframe数据.索引其中一个水平(level)的所特定数据行.指定数据行(index a row of a level).使用元组tuple表达复合索引的指定行目录

pandas 索引选取和过滤（四）

pandas 索引选取和过滤（四）相关推荐

最新文章

热门文章