Pandas中DataFrame索引、选取数据
这是一篇最基础的Pandas用法总结，也方便自己日后进行复习与查询。
上一篇文章总结了Series索引问题。今天这篇来总结一下DataFrame索引问题。
1. 索引是什么
1.1 认识索引
先创建一个简单的DataFrame。
myList = [['a', 10, 1.1],
['b', 20, 2.2],
['c', 30, 3.3],
['d', 40, 4.4]]
df1 = pd.DataFrame(data = myList)
print(df1)
--------------------------------
[out]:
0 1 2
0 a 10 1.1
1 b 20 2.2
2 c 30 3.3
3 d 40 4.4
DataFrame中有两种索引：
- 行索引(index)：对应最左边那一竖列
- 列索引(columns)：对应最上面那一横行
两种索引默认均为从0开始的自增整数。
# 输出行索引
print(df1.index)
[out]:
RangeIndex(start=0, stop=4, step=1)
---------------------------------------
# 输出列索引
print(df1.columns)
[out]:
RangeIndex(start=0, stop=3, step=1)
---------------------------------------
# 输出所有的值
print(df1.values)
[out]:
array([['a', 10, 1.1],
['b', 20, 2.2],
['c', 30, 3.3],
['d', 40, 4.4]], dtype=object)
1.2 自定义索引
可以使用index这个参数指定行索引，columns这个参数指定列索引。
df2 = pd.DataFrame(myList,
index = ['one', 'two', 'three', 'four'],
columns = ['char', 'int', 'float'])
print(df2)
-----------------------------------------------------------
[out]:
char int float
one a 10 1.1
two b 20 2.2
three c 30 3.3
four d 40 4.4
输出此时的行索引和列索引：
# 输出行索引
print(df2.index)
[out]:
Index(['one', 'two', 'three', 'four'], dtype='object')
--------------------------------------------------------
# 输出列索引
print(df2.columns)
[out]:
Index(['char', 'int', 'float'], dtype='object')
2. 索引的简单使用
2.1 列索引
- 选择一列：
print(df2['char'])
print(df2.char)
# 两种方式输出一样
[out]:
one a
two b
three c
four d
Name: char, dtype: object
注意此时方括号里面只传入一个字符串’char’，这样选出来的一列，结果的类型为Series
type(df2['char'])
[out]: pandas.core.series.Series
- 选择多列：
print(df2[['char', 'int']])
[out]:
char int
one a 10
two b 20
three c 30
four d 40
注意此时方括号里面传入一个列表[‘char’, ‘int’]，选出的结果类型为DataFrame。
如果只想选出来一列，却想返回DataFrame类型怎么办？
print(df2[['char']])
[out]:
char
one a
two b
three c
four d
---------------------------------------
type(df2[['char']])
[out]：pandas.core.frame.DataFrame
注意直接使用df2[0]取某一列会报错，除非columns是由下标索引组成的，比如df1那个样子，df1[0]就不会报错。
print(df1[0])
[out]:
0 a
1 b
2 c
3 d
Name: 0, dtype: object
-----------------------
print(df2[0])
[out]:
KeyError: 0
2.2 行索引
2.2.1 使用[ ]
区别于选取列，此种方式[ ]中不再单独的传入一个字符串，而是需要使用冒号切片。
- 选取行标签从’two’到’three’的多行数据
print(df2['two': 'three'])
[out]:
char int float
two b 20 2.2
three c 30 3.3
- 选取行标签为’two’这一行数据
# 此时返回的类型为DataFrame
print(df2['two': 'two'])
[out]:
char int float
two b 20 2.2
在[ ]中不仅可以传入行标签，还可以传入行的编号。
- 选取从第1行到第3行的数据(编号从0开始)
print(df2[1:4])
[out]:
char int float
two b 20 2.2
three c 30 3.3
four d 40 4.4
可以看到选取的数据是不包含方括号最右侧的编号所对应的数据的。
- 选取第1行的数据
print(df2[1:2])
[out]:
char int float
two b 20 2.2
2.2.2 使用.loc()和.iloc()
区别就是.loc()是根据行索引和列索引的值来选取数据，而.iloc()是根据从0开始的下标位置来进行索引的。
- 选取一行：
- 使用.loc()
print(df2.loc['one'])
[out]:
char a
int 10
float 1.1
Name: one, dtype: object
- 使用.iloc()
print(df2.iloc[0])
[out]:
char a
int 10
float 1.1
Name: one, dtype: object
可以看到以上返回的结果都是Series。
- 选取多行
- 使用.loc()
print(df2.loc[['one', 'three']])
[out]:
char int float
one a 10 1.1
three c 30 3.3
- 使用.iloc()
print(df2.iloc[[0, 2]])
[out]:
char int float
one a 10 1.1
three c 30 3.3
同理，如果想以DataFrame的类型选出某一行，需要传入只包含一个元素的列表：
print(df2.loc[['one']])
[out]:
char int float
one a 10 1.1
3. 索引的复杂使用
到目前位置，我们在选取数据时都只传入了一个维度的参数。既然有了行索引和列索引两个维度，就可以把它们组合起来使用。
df = pd.DataFrame([['F',22, 90],['M',32, 75],['F',18, 82],['M',14, 93]],
columns=['gender','age', 'score'],
index = ['小红', '小亮', '小兰', '小明'])
print(df)
[out]:
gender age score
小红 F 22 90
小亮 M 32 75
小兰 F 18 82
小明 M 14 93
3.1 使用.loc()和.iloc()切片
取所有行，某列
# 取所有行，一列
df.loc[:, 'age']
df.iloc[:, 1]
[out]:
小红 22
小亮 32
小兰 18
小明 14
Name: age, dtype: int64
# 取所有行，多列
df.loc[:, ['age', 'gender']]
df.iloc[:, [1, 0]]
[out]:
age gender
小红 22 F
小亮 32 M
小兰 18 F
小明 14 M
# 取所有行，前两列
df.loc[:, :'age']
df.iloc[:, :2]
[out]:
gender age
小红 F 22
小亮 M 32
小兰 F 18
小明 M 14
取某行，所有列
# 取一行，所有列
df.loc['小兰', :]
df.iloc[2, :]
[out]:
gender F
age 18
score 82
Name: 小兰, dtype: object
# 取多行，所有列
df.loc[['小红', '小明'], :]
df.iloc[[0, 3], :]
[out]:
gender age score
小红 F 22 90
小明 M 14 93
# 取前两行，所有列
df.loc[:'小亮', :]
df.iloc[:2, :]
[out]:
gender age score
小红 F 22 90
小亮 M 32 75
取某行，某列
# 取前3行，第2到3列
df.iloc[:3, 1:3]
[out]:
age score
小红 22 90
小亮 32 75
小兰 18 82
# 取第2和第4行，前两列（不包含编号为2的列）
df.iloc[[1, 3], :2]
[out]:
gender age
小亮 M 32
小明 M 14
取某个位置的特定元素
# 取特定行列的元素
df.loc['小红', 'age']
df.iloc[0, 1]
[out]:
22
3.2 使用布尔索引切片
布尔值：
df['gender'] == 'M'
[out]:
小红 False
小亮 True
小兰 False
小明 True
Name: gender, dtype: bool
选出性别为’M’的所有行：
df.loc[df['gender']=='M', :]
df[df['gender']=='M']
[out]:
gender age score
小亮 M 32 75
小明 M 14 93