博客

pandas数据索引与选取的实现方法

在pandas中，我们可以使用不同的方法进行数据的索引和选取，包括基本索引、布尔索引、位置索引和高级索引等。

基本索引

基本索引是指通过列名称或行标签进行数据选取的方法。

• 列选择

表格中的每一列都可以通过列名称进行选择，可以使用单个列名称、列表或切片等方式进行选择。例如，我们有一个包含学生考试成绩的表格，其中列名称为“姓名”、“科目”、“成绩”，如果要选择“姓名”和“成绩”两列数据，可以使用以下代码:

import pandas as pd

df = pd.read_csv('score.csv')   # 读取含有成绩信息的csv文件

# 选择“姓名”和“成绩”两列
df[['姓名', '成绩']]

• 行选择

表格中的每一行都可以通过行索引或行标签进行选择，使用单个行标签、列表或切片等方式进行选择。例如，我们仍然使用上面的成绩表格，如果要选择前5个学生的信息，可以使用以下代码：

# 选择前5行
df.head(5)

布尔索引

布尔索引是指通过布尔条件进行数据选取的方法。

• 简单的布尔索引

如果我们想要选择成绩大于80分的数据，可以使用布尔条件进行筛选。

# 选择成绩大于80分的学生
df[df['成绩']>80]

• 复合条件布尔索引

如果我们想要选择某个科目成绩大于80分且总成绩大于200分的学生数据，可以使用如下代码：

# 查找选定科目成绩大于80的学生，再进行总成绩判断
df[(df['英语']>80)&(df['数学']>80)&(df['总分']>200)]

位置索引

位置索引是指通过行号和列号进行数据选取的方法。

• 使用iloc方法进行选择

iloc方法可以使用行号和列号进行数据的选取。

# 选择第3列第4行元素
df.iloc[3, 4]

高级索引

高级索引包括了使用条件查询、使用query或loc方法进行选择。

• 使用query方法进行选择

query是一种比较方便的高级索引方法，其可以使用字符串形式的查询语句进行选择。

# 使用query查询
df.query('数学>80 and 英语>80')

• 使用loc方法进行选择

loc方法可以根据条件查询或标签名称进行多条件选择。

# 使用loc查询
df.loc[df['总分']>200, ['姓名', '总分']]

示例说明

下面将通过示例说明以上介绍的数据索引和选取方法。

示例一

假设我们有一份包含全国省份、城市、人口等信息的数据（省份和城市作为多级索引），其中部分数据如下：

现在，我们需要统计内陆省市的人口总数。这个问题可以使用布尔索引和位置索引两种方法进行处理。

• 布尔索引

# 使用布尔索引进行筛选
df.loc[df.index.get_level_values('省份') != '沿海', '人口'].sum()

• 位置索引

# 使用位置索引进行筛选
df.iloc[[1, 2], [2]].sum()

示例二

假设我们有一份名为sample.csv的数据，其中包含了姓名、年龄、性别等信息。

现在，我们想要查找年龄25岁以下的女性。

这个问题可以使用query和基本索引两种方法进行处理。

• query方法

# 使用query方法查询
df.query('年龄 < 25 and 性别 == "F"')

• 基本索引

# 使用基本索引查询
df[(df['年龄']<25) & (df['性别']=='F')]

在以上两个示例中，我们使用了不同的索引方法进行数据的筛选和选择，这些方法可以根据不同的场景和需要选择最适合的方法进行处理，以提高代码的效率和可读性。