pandas切片操作

在得到数据后，经常需要对数据进行提取、分析和使用，提取数据过程中难免要对数据进行各种切片操作，根据具体的业务需求筛选出所需的数据，pandas提供了一些方法方便我们选取数据，下面主要讲解dataFrame类型的数据选取，Series类型用法类似，可以参考官方文档进行更细致的探究

pandas主要提供了三种属性用来选取行/列数据

属性名	属性
ix	根据整数索引或者行标签选取数据
loc	根据行标签选取数据
iloc	根据位置的整数索引选取数据

这三种属性，既可以让我们获取整行/整列的数据，也可以让我们选取符合标准的行/列数据，但ix这种混用的方式官方已经不再推荐使用，下文的小案例中也不对此例做过多的讲述

具体案例

导入pandas并创建一个4行5列的DataFrame

import pandas as pd
import numpy as np

data = pd.DataFrame(np.arange(20).reshape((4,5)),index=list("ABCD"),columns=list("vwxyz"))
print(data)

下面对得到的这组数据进行相关的切片操作

1、获取某一行的数据

print(data.iloc[1])

2、获取连续的多行数据

print(data[1:3])
#print(data.head(3))

3、获取不连续的多行数据

print(data.iloc[[1,3]])

4、获取指定的列的数据

print(data.loc[:,["v","z"]])

5、获取指定的多行多列

print(data.loc[["A","B"],["x","y"]])

6、获取列上某些大于或者小于特定的数

print(data[data['v']>5])

7、为某一列的特定的数据赋值

data[data["v"]<5] = 5

8、求出某一列上的数据是否满足特定的要求

print(data[data["v"].isin([5,15])])

9、统计具体的某一列的平均值

print(data["v"].mean())

10、统计指定的多列的平均值

print(data.loc[:,["v","w"]].mean())

11、统计某一行的平均值

print(data.iloc[1].mean())

11、统计某一列中某个数的出现次数

data[data["v"]<5] = 5
print(data["v"].value_counts())

以上列举了pandas中简单的切片的常用操作，包括几个简单的统计函数，更多的大家可以结合文档进行深入的研究，或者使用的时候查阅具体的API也可，下面结合一个具体的需求对上述的切片操作使用进行说明

需求：统计某个办件表中，各个办件的数量并绘制成柱状图进行展示

表中的数据结构和字段展示大致如上图，其中只列举了部分字段，其中item_task_code为办件产生的唯一编号，可作为统计的唯一标识，item_name为对应的事项名称，item_task_code为唯一的，即统计不同的事项名的办件数量，我们使用pandas连接mysql来读取这张表，并通过数据提取与切片，并最终绘制柱状图

import pandas as pd
from matplotlib import pyplot as pt
from sqlalchemy import create_engine

#获取mysql查询到的数据
def get_table_data():
    sql_info = 'mysql+pymysql://root:123456@localhost:3306/test'
    engine = create_engine(sql_info)
    # 查询语句，选出employee表中的所有数据
    sql = ''' select * from sx_flow_task; '''
    # read_sql_query的两个参数: sql语句， 数据库连接
    data = pd.read_sql_query(sql, engine)
    # 输出employee表的查询结果
    print(data)
    return data

#处理数据切片并绘制柱状图
def show_pic(data):
    # 取出不连续的多列数据
    data_tasks = data[["item_task_code", "item_name"]]
    # 设置中文显示字体，避免乱码
    pt.rcParams['font.sans-serif'] = ['SimHei']
    pt.rcParams['axes.unicode_minus'] = False
    #获取X轴和Y轴的数据
    x_lists = []
    y_lists = []
    for name in data_tasks["item_name"]:
        x_lists.append(name)
    x_lists = list(set(x_lists))
    sumlists = data_tasks["item_name"].value_counts()
    for counts in sumlists:
        y_lists.append(counts)
    # 设置网格
    pt.grid(alpha=0.5)
    # 设置每根柱显示的数值
    for x, y in enumerate(y_lists):
        pt.text(y + 0.2, x - 0.1, '%s' % y)
    pt.barh(x_lists, y_lists, color="orange", label="我的办件统计图")
    # 设置属性与说明
    pt.legend()
    pt.xlabel("数量")
    pt.ylabel("办件名称")
    pt.title("办件数量统计表")
    pt.show()

if __name__ == '__main__':
    data = get_table_data()
    show_pic(data)

运行代码，最终展示如下效果，可以看到，整个逻辑的代码非常简单，仅仅就是一些切片的操作，可见pandas的切片功能非常强大，使用恰当的话可以大大提升工作效率

本篇的使用就到此结束，最后感谢观看！