pandas索引操作、赋值操作、排序以及Series排序和DataFrame排序

一、pandas索引操作

索引操作,使用索引选取序列和切片选择数据,也可以直接使用列名、行名称,或组合使用

  • 直接使用行列索引:行列索引名顺序为先列再行,使用指定行列索引名,不能使用下标
  • loc[行索引名,列索引名]:先行再列,只能使用指定的行列索引名,不能使用下标
  • iloc[行,列]:先行再列,只能使用索引下标获取数据,不能使用指定行列索引名
  • 下标索引与指定行列索引相结合:使用index或columns.get_indexer,见案例

 代码如下

import pandas as pd
import numpy as np

# 数据生成代码
num = np.random.randint(50, 100, (3, 5))
num

# 传入标签索引
column = ['第一列', '第二列', '第三列', '第四列', '第五列']   # 列标签索引
# ind = ['第一行', '第二行', '第三行']    # 行标签索引
ind = ['第_' + str(i) + '_行' for i in range(num.shape[0])]   # 行标签索引,num.shape[0]即获取num数组的行号,此处为3
data = pd.DataFrame(num, columns=column, index=ind)
data
-------------------------------------------------------------------

data['第五列']['第_2_行']    # 只能先列再行

data['第_2_行']['第五列']    # 先行再列,报错

data.loc['第_0_行':'第_2_行', '第三列']    # 先行再列,loc只能使用指定行列索引,切取第三列中[0,2]行中的数据

data.loc[:'第_2_行', '第三列':]   # loc只能使用指定行列索引,切取[0,2]行,3-最后一列的数据

data.iloc[:2, 2:]   # iloc只能使用下标索引,切取[0,2)行,3-最后一列的数据

数据生成

pandas索引操作、赋值操作、排序以及Series排序和DataFrame排序_第1张图片 操作如下 

pandas索引操作、赋值操作、排序以及Series排序和DataFrame排序_第2张图片pandas索引操作、赋值操作、排序以及Series排序和DataFrame排序_第3张图片

 下标索引与指定行列索引相结合

data.loc[data.index[0:2], ['第二列', '第三列', '第五列']]   # 下标索引与指定行列索引相结合

data.iloc[0:2, data.columns.get_indexer(['第二列', '第三列', '第五列'])]  # 下标索引与指定行列索引相结合

pandas索引操作、赋值操作、排序以及Series排序和DataFrame排序_第4张图片

二、pandas赋值操作

只能对某一列赋值,不能对一行赋值,有两种方式,直接使用索引用点.索引名,具体如下

代码如下 

import pandas as pd
import numpy as np

# 数据生成代码
num = np.random.randint(50, 100, (3, 5))

# 传入标签索引
column = ['第一列', '第二列', '第三列', '第四列', '第五列']   # 列标签索引
# ind = ['第一行', '第二行', '第三行']    # 行标签索引
ind = ['第_' + str(i) + '_行' for i in range(num.shape[0])]   # 行标签索引,num.shape[0]即获取num数组的行号,此处为3
data2 = pd.DataFrame(num, columns=column, index=ind)
data2
------------------------------------------------------------
data2['第四列'] = 88   # 值可为字符串或汉字
data2

data2.第一列 = 99  # 方式二
data2

生成数据

pandas索引操作、赋值操作、排序以及Series排序和DataFrame排序_第5张图片 操作如下

pandas索引操作、赋值操作、排序以及Series排序和DataFrame排序_第6张图片

三、pandas排序

pandas排序有两种方式,一种是对索引进行排序,另一种是对内容进行排序

3.1 DataFrame排序

  • df.sort_values(by=, ascending=):单个键(列名)或多个键进行排序
    • by:指定排序参考的键
    • ascending:指定升序或降序
      • ascending=True:默认升序
      • ascending=False:降序
  • df.sort_index():给索引进行排序

代码如下 

data2.sort_values(by='第三列')  # 默认ascending=True,即升序排序

data2.sort_values(by='第三列', ascending=False)   # 根据第三列降序排序

data2.sort_values(by=['第一列', '第四列'], ascending=False)    # 根据多列降序排序

data2.sort_index()   # 给索引进行排序

操作演示 

pandas索引操作、赋值操作、排序以及Series排序和DataFrame排序_第7张图片

pandas索引操作、赋值操作、排序以及Series排序和DataFrame排序_第8张图片

pandas索引操作、赋值操作、排序以及Series排序和DataFrame排序_第9张图片

3.2 Series排序

  • series.sort_values(ascending=True):series排序时,只有一列,不需要参数
  • series.sort_index(ascending=):根据索引排序,ascending指定升序或降序,默认升序

代码如下 

data2['第四列'].sort_values()    # 默认ascending=True,即将第四列升序排序

data2['第四列'].sort_values(ascending=False)    # ascending=False,将第四列降序排序

data2['第四列'].sort_index(ascending=False)    # ascending=False,根据索引将第四列降序排序

data2['第四列'].sort_index()    # 默认ascending=True,根据索引将第四列升序排序

操作演示 

pandas索引操作、赋值操作、排序以及Series排序和DataFrame排序_第10张图片

pandas索引操作、赋值操作、排序以及Series排序和DataFrame排序_第11张图片

 学习导航:http://xqnav.top/​​​​​​​

你可能感兴趣的:(pandas,pandas,数据分析,数据挖掘,python,人工智能)