DataFrame索引操作、切片选取、条件过滤、赋值
索引操作
1. 修改索引顺序
reindex(index=[ ],columns=[ ],method,fill_value,copy)
根据传入的列表顺序对DataFrame重新索引，并返回一个新DataFrame，不影响原DataFrame。若传入列表中的值在原索引中并不存在，则在DataFrame的对应位置插入值为NaN的行/列。若只传入一个列表且未指定参数名，默认修改index即行索引。建议加入参数名以免混淆。
method 若原索引是有序序列，则对缺失的值按method指定的方法进行填充，ffill 向前填充，bfill 向后填充
fill_value 对于缺失值的替代值
In [1]: import numpy as np
In [2]: import pandas as pd
In [3]: data=pd.DataFrame([[0,1,2],[3,4,5],[6,7,8]],index=['a','c','d'],columns=['A','B','C'])
In [4]: data
Out[4]:
A B C
a 0 1 2
c 3 4 5
d 6 7 8
# 传入参数没指定参数名，且只有一列序列，默认对行索引进行修改，若索引值不存在则置NaN
In [6]: data.reindex(['c','a','b','d'])
Out[6]:
A B C
c 3.0 4.0 5.0
a 0.0 1.0 2.0
b NaN NaN NaN
d 6.0 7.0 8.0
# 建议加上参数名，以免产生错误
In [7]: data.reindex(index=['a','b','c','d'],columns=['B','C','D','A'])
Out[7]:
B C D A
a 1.0 2.0 NaN 0.0
b NaN NaN NaN NaN
c 4.0 5.0 NaN 3.0
d 7.0 8.0 NaN 6.0
2. 修改索引值
如果只要修改索引值，而不改变DataFrame数据的顺序，可以直接对index columns 属性进行赋值，传入的列表大小必须和DataFrame的索引长度相同。该操作直接修改原DataFrame。
In [10]: data.index=list('xyz')
In [11]: data.columns=list('XYZ')
In [12]: data
Out[12]:
X Y Z
x 0 1 2
y 3 4 5
z 6 7 8
3. 删除索引
drop(axis=0,index,columns,inplace=False) 删除传入的索引项，返回新的DataFrame
axis 指定删除哪个轴上的索引，默认行索引axis=0或axis='index'，列索引为axis=1或axis='columns'
index columns 显式指定删除哪个轴的索引
inplace 默认False 返回新对象；True 直接修改原对象，无返回
In [13]: data.drop(['x'],axis=0) # 使用axis指定轴
Out[13]:
X Y Z
y 3 4 5
z 6 7 8
In [14]: data.drop(columns=['X','Z']) # 显式指定删除哪个轴的索引
Out[14]:
Y
x 1
y 4
z 7
In [15]: data.drop(['y','z'],inplace=True) # 直接修改对象，无返回
In [16]: data
Out[16]:
X Y Z
切片选取
1. 直接选取
对于DataFrame，使用一个值或序列进行索引，就是获取一个或多列
使用切片则获取指定的行，使用索引位置序号切片结果不包含末端索引，使用索引标签切片结果包含末端索引
In [17]: data=pd.DataFrame(np.arange(20).reshape(5,4),index=list('abcde'),columns=list('ABCD'))
In [18]: data
Out[18]:
A B C D
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11
d 12 13 14 15
e 16 17 18 19
# 使用序列对列索引进行选择
In [23]: data[['A','C']]
Out[23]:
A C
a 0 2
b 4 6
c 8 10
d 12 14
e 16 18
# 使用切片对行索引进行选择
# 对行索引的b~e（索引位置序号为1~4）进行切片，切片使用索引位置序号，结果不包含末端索引
In [24]: data[1:4]
Out[24]:
A B C D
b 4 5 6 7
c 8 9 10 11
d 12 13 14 15
# 使用索引标签切片结果包含末端索引，注意结果有e行
In [26]: data['b':'e']
Out[26]:
A B C D
b 4 5 6 7
c 8 9 10 11
d 12 13 14 15
e 16 17 18 19
# 行列结合进行选取
In [27]: data[['A','C']][:2]
Out[27]:
A C
a 0 2
b 4 6
# 行列顺序不影响结果，切片就是选择行，值或序列就是选择列
In [28]: data[:2][['A','C']]
Out[28]:
A C
a 0 2
b 4 6
注意：若索引的标签值是整数，在使用标签值进行索引选取的时候会造成混乱，比如要选取标签值为1的项目，使用data[1]，但得到的却是索引位置为1的项目。
因此若索引的标签值含有整数，在进行选取时应该总是使用标签。为了更准确，请使用loc（标签）或iloc（整数）。
2. 用loc和iloc进行选取
上面直接选取的方法中，对于列无法使用切片方式进行选取，而loc() iloc() 方法支持行和列使用切片方式选取
loc(行标签,列标签) 使用标签值选取
iloc(行序号,列序号) 使用索引位置进行选取
- 若参数指定的是多行和多列，得到的仍旧是DataFrame；
- 若参数里单独指定某一行或某一列，得到的是name为该行标签或该列标签的Series，但如果以列表形式指定某一行或某一列如[‘B’]，得到的是DataFrame；
- 若行列都指定某一个标签，得到的是指定位置的数据，类型即为该数据的数据类型
- loc使用标签切片包含末端项，iloc使用索引位置切片不包含末端项。
In [29]: data.loc['a'] # 选取行标签为'a'的行，得到一个name为行标签的Series
Out[29]:
A 0
B 1
C 2
D 3
Name: a, dtype: int32
In [30]: data.loc[['a','c']] # 选取多行，得到DataFrame
Out[30]:
A B C D
a 0 1 2 3
c 8 9 10 11
In [31]: data.loc[['a','c'],'B'] # 选取多行和指定的某一列，得到name为列标签的Series
Out[31]:
a 1
c 9
Name: B, dtype: int32
In [32]: data.loc['a':'d','B':'D'] # 使用切片方式同时选取行和列
Out[32]:
B C D
a 1 2 3
b 5 6 7
c 9 10 11
d 13 14 15
In [33]: data.loc[:,'B':'D'] # 切片方式选择所有行和指定列
Out[33]:
B C D
a 1 2 3
b 5 6 7
c 9 10 11
d 13 14 15
e 17 18 19
In [34]: data.iloc[0:4,1:3] # iloc使用索引序号进行切片，不包含末端项
Out[34]:
B C
a 1 2
b 5 6
c 9 10
d 13 14
条件过滤
1. 布尔运算
对DataFrame或切片选取的结果进行布尔运算，会得到一个格式与被运算对象完全相同的布尔型新对象
In [40]: data%3==0 # 判断元素是否是3的倍数，得到的新对象格式与data完全一样
Out[40]:
A B C D
a True False False True
b False False True False
c False True False False
d True False False True
e False False True False
In [41]: data['B']>5 # data['B']是一个Series，因此运算结果也是一个Series
Out[41]:
a False
b False
c True
d True
e True
Name: B, dtype: bool
In [42]: data[['B','D']][:2]<3 # 前两行B,D列小于3
Out[42]:
B D
a True False
b False False
# 使用loc或iloc选取结果也可以进行布尔运算，也可以将多个运算结果再次进行与或运算
In [48]: (data.loc[:,'B':'D']>5) & (data.loc[:,'B':'D']<10)
Out[48]:
B C D
a False False False
b False True True
c True False False
d False False False
e False False False
2. 过滤
将布尔运算结果再次传入DataFrame中，会得到一个过滤后的新对象，对应位置为False的值均置NaN
注意：若对单列进行布尔运算如data['B']>5，结果是Series，传入DataFrame后会对行进行过滤，但若对单行进行布尔运算如data.loc['c']>10，得到的Series是不能进行过滤的
In [59]: data[data%3==0]
Out[59]:
A B C D
a 0.0 NaN NaN 3.0
b NaN NaN 6.0 NaN
c NaN 9.0 NaN NaN
d 12.0 NaN NaN 15.0
e NaN NaN 18.0 NaN
In [60]: data[data['B']>5] # 对单列进行布尔运算，对行进行过滤
Out[60]:
A B C D
c 8 9 10 11
d 12 13 14 15
e 16 17 18 19
In [71]: data[data[['B','D']][:2]<3]
Out[71]:
A B C D
a NaN 1.0 NaN NaN
b NaN NaN NaN NaN
c NaN NaN NaN NaN
d NaN NaN NaN NaN
e NaN NaN NaN NaN
In [72]: data[(data.loc[:,'B':'D']>5) & (data.loc[:,'B':'D']<10)]
Out[72]:
A B C D
a NaN NaN NaN NaN
b NaN NaN 6.0 7.0
c NaN 9.0 NaN NaN
d NaN NaN NaN NaN
e NaN NaN NaN NaN
赋值
在进行切片选取和条件过滤时可以直接进行赋值，此时不返回新对象，而是直接修改原对象，对切片选取或条件过滤结果元素的对应位置进行赋值。
In [81]: data[(data.loc[:,'B':'D']>5) & (data.loc[:,'B':'D']<10)]='X'
In [82]: data
Out[82]:
A B C D
a 0 1 2 3
b 4 5 X X
c 8 X 10 11
d 12 13 14 15
e 16 17 18 19