pandas讀取Excel、csv檔案中的資料時，得到的大多是表格型的二維資料，在pandas中對應的即為DataFrame資料結構，在處理這類資料時，往往要根據據需求先獲取資料中的子集，如某些列、某些行、行列交叉的部分等，可以說子集選取是一個非常基礎、頻繁使用的操作，而DataFrame的子集選取看似簡單卻有一定復雜性，本文聚焦DataFrame的子集選取操作邏輯，力求在實戰中遇到子集選取操作的需求時"不迷路"，
一、圖解DataFrame
DataFrame是一種二維的表格型資料結構，每一行/列都有對應的標簽和位置序號，行列標簽、位置序號的對應關系如下圖所示：
列標簽（也叫列名：columns） 行標簽（也叫行索引：index）默認為(0, 1, 2, …, n)，這里與位置序號恰好一致，
針對DataFrame的資料結構，pandas提供了三種獲取子集的索引器：[]、.loc[]、.iloc[]，
df[]：快捷的整行整列選取df.loc[]：按標簽的行列交叉選取df.iloc[]：按位置序號的行列交叉選取
二、整行整列選取：df[]
df['列標簽']，選取單個整列
# 選取“日期”列
df['日期']
df[標簽串列]，選取多個整列
# 選取“最高溫”，“最低溫”，“風力風向”三列
df[['最高溫','最低溫','風力風向']]
df[切片]，選取整行
# 選取行索引值1、2、3的整行，切片左閉右開
df[1:4]
切片語法也支持字串的索引標簽值，如將"日期"列修改為行索引（index）
df1 = df.set_index("日期")
# 下面兩個切片選取的行是一樣的
df1[1:4] #按位置序號的切片，左閉右開
df1['2021-12-02 周四':'2021-12-04 周六'] # 按行標簽的切片，左閉右閉
df[]語法小結：
df[]語法中，方括號內輸入標簽名或串列選取的是列；而方括號內輸入切片、條件選取的是行（條件篩選在下文單獨介紹），df[]輸入切片選取整行時，如果是按照位置序號的切片，左閉右開；按行標簽的切片，左閉右閉，
三、行列交叉選取
行列交叉選擇，可以通過df.loc[]和df.iloc[]兩個索引器來實作，兩者都需要輸入兩組引數，先行選擇，后列選擇，行、列選擇都可以是單個標簽（序號）、串列和切片，根據需求組合使用，威力強大！
df.loc[行選擇,列選擇]，引數面向的是標簽，
df.iloc[行位置序號,列位置序號]，引數面向的是位置序號，
行：單個數值，列：單個數值
df1.loc['2021-12-05 周日','空氣質量指數']
df1.iloc[4,4]
行：串列，列：串列
df1.loc[['2021-12-05 周日','2021-12-07 周二'],['最高溫','最低溫','風力風向']]
df1.iloc[[4,6],[0,1,3]]
行：切片，列：切片
df1.loc['2021-12-01 周三':'2021-12-03 周五','天氣':'空氣質量指數']
df1.iloc[:3,2:5]
行：切片(全選)，列：串列
df1.loc[:,['最高溫','最低溫']]
df1.iloc[:,[0,1]]
四、按條件篩選子集
df.[]、df.loc[]、df.iloc[]除了按照行列的標簽和位置序號選取子集，還可以使用條件（布爾運算式）篩選子集，
篩選最高溫、最低溫
將最高溫、最低溫處理成數值型：
df1.loc[:,'最高溫'] = df1['最高溫'].str.replace('°','').astype('float32')
df1.loc[:,'最低溫'] = df1['最低溫'].str.replace('°','').astype('float32')
獲取最高溫大于10度，最低溫小于6度的資料
# df.[]的寫法
df1[(df1['最高溫']>10) & (df1['最低溫']<6)]
# df.loc[]的寫法
df1.loc[(df1['最高溫']>10) & (df1['最低溫']<6),:]
# &與、|或、~非
df1.loc[(df1['最高溫']>10) & ~(df1['最低溫']>=6),:]
五、函式篩選子集
# 匿名函式lambda運算式，獲取最高溫大于10度，最低溫小于6度的資料
df1.loc[lambda df : (df['最高溫']>10) & (df['最低溫']<6)]
獲取前9天并且空氣質量指數為優
# 自定義函式，回傳值是布爾陣列
def queryData(df):
return df.index.str.startswith('2021-12-0') & df['空氣質量指數'].str.endswith('優')
df1.loc[queryData , :]
小結
在pandast提供的df[]、df.loc[]、df.iloc[]這個三種索引器，前兩個更為常用，df[]在整行或者整列獲取時更為方便，整行整列選取可以看作是行列交叉選取的一個特例，故df.loc[]是更為通用的方法，它支持單個標簽值、串列多選、切片區間、條件（布爾）運算式、函式呼叫五種方式索引子集，功能強大，
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/469598.html
標籤：其他
下一篇：多執行緒筆記（一）