pandas札记8_索引对象、重新排序索引和行列索引

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

Index

• 索引对象负责管理轴标签和元数据
• 构建S和DF 的时候，数组和其他序列的标签会被转换成Index
• Index对象是不可变的，用户不能修改
• 允许有重复的标签

image.png

frame3.index.name = 'year'  # 索引name

frame3.columns.name = 'state'  # 列属性name

frame3

image.png

frame3.values   # 获取DF的所有值

image.png

obj = pd.Series(range(3), index=['a', 'b', 'c'])

index = obj.index

index



# 结果

Index(['a', 'b', 'c'], dtype='object')



labels = pd.Index(np.arange(3))

labels



# 结果

Int64Index([0, 1, 2], dtype='int64')



obj2 = pd.Series([1.5, -2.5, 0], index=labels)

obj2

# 结果

0    1.5

1   -2.5

2    0.0

dtype: float64



>>frame3.columns   # 获取列属性

Index(['Nevada', 'Ohio'], dtype='object', name='state')

reindex

• pandas对象的方法
• 创建一个新对象，符合新的索引

obj = pd.Series([4.5, 7.2, -5.3, 3.6], index=['d', 'b', 'a', 'c'])

obj

# 结果

d    4.5

b    7.2

a   -5.3

c    3.6

dtype: float64



obj2 = obj.reindex(['a', 'b', 'c', 'd'])

obj2

# 结果排序索引

a   -5.3

b    7.2

c    3.6

d    4.5

dtype: float64

frame = pd.DataFrame(np.arange(9).reshape((3, 3)),  # DF中具体的值values

                     index = ['a', 'b', 'c'],  # 行属性index

                     columns=['Ohio', 'Texas', 'California'])   # 列属性columns

frame

image.png

image.png

# 删除任意指定轴上的值

data = pd.DataFrame(np.arange(16).reshape((4, 4)),  # 如何创建DF数据：values + index + columns 

                    index=['Ohio', 'Colorado', 'Utah', 'New York'],

                    columns=['one', 'two', 'three', 'four'])

data

image.png

# drop删除某行的值，指定index即可;原来的数据不变

data.drop(['Colorado', 'Utah'])

image.png

# 删除某列的值，通过axis=1来指定列的值

data.drop("two", axis=1)



# 通过columns表示删除多列的值

data.drop(['two', 'three'], axis='columns')

image.png

image.png

# 条件判断作为索引

obj[obj < 2]



# 标签的切片运算包含末端,c和b都有

obj['c':'b']



# 对Series部分值进行设置

obj['b':'c'] = 5

obj

image.png

# ⽤⼀个值或序列对DataFrame进⾏索引其实就是获取⼀个或多个列

data = pd.DataFrame(np.arange(16).reshape((4, 4)),

                    index=['Ohio', 'Colorado', 'Utah', 'New York'],

                    columns=['one', 'two', 'three', 'four'])

data



# 结果



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



print(data["two"])  # 取一列数据

data[["two", "three"]]  # 取多列数据

image.png

loc和iloc

• 行标签索引
• 轴标签loc和整数标签iloc

image.png

# 选择一行和多列：先指定行；再指定列

data.loc["Colorado", ["two", "three"]]  # 通过行列的属性名

image.png

# iloc整数选取值

data.iloc[2, [3,0,1]]   # 通过数值索引；先行后列



# 结果

four    11

one      8

two      9

Name: Utah, dtype: int32

# 一个标签或者多个标签的切片形式

data.loc[:'Utah', 'two']   # 前面是index标签，后面是columns标签



# 结果

Ohio        0

Colorado    5

Utah        9

Name: two, dtype: int32

data.loc[:'Utah', ['two', 'three']]   # 选取两列值

image.png

data.iloc[:, :3][data.three > 5]  # 所有行前3列；再选取大于5的值



data.iloc[:, :3]   # 所有行，前3列



# 整数索引

ser = pd.Series(np.arange(3.))

ser

image.png