Pyrthon中pandas DataFrame对表格数据选取，修改，切片的实现

set_index()函数

在Python Pandas的数据处理中，set_index是一个非常常用的函数，它的作用就是将DataFrame中的一列或多列作为新的索引。使用set_index函数，可以快速地进行数据的筛选和重组。
如何在pandas中使用set_index( )与reset_index( )设置索引

函数解释
set_index(keys, drop=False, append=True, inplace=True, verify_integrity=True).rename(columns={‘id’: ‘index_id’})

• keys：需要设置为index的列名
• drop: 默认为True，将列作为索引后，是否删除原来的列
• inplace: 默认为False，结果返回新的DataFrame实例，如果设置为True，那么结果返回原DataFrame实例，并且索引修改原DataFrame
• append: 默认为False，如果为True，则保留原有索引，并追加新的索引
• verify_integrity: 默认为False，如果为True，在设置新的索引后会检查索引列是否有重复值，如果有重复值则会报错

set_index的使用方法
set_index方法有两种使用方式：

1. set_index()：如果不指定参数，那么默认会将第一列设置为索引
2. set_index(keys)：keys是要设置为索引的列名或列名的列表，可以设置单个或多个索引

import pandas as pd

df = pd.DataFrame(data={"姓名":['甲','乙','丙','丁'],"年龄":[12,23,34,43], "性别":['男','男','男','男']})
print(df)    #构建表格格式
df2 = df.set_index('姓名')    #将姓名那一列作为索引
print(df2)
df3 = df.set_index(['姓名','性别'])    #将姓名和性别作为索引
print(df3)

结果：

  姓名  年龄 性别
0  甲  12  男
1  乙  23  男
2  丙  34  男
3  丁  43  男
    年龄 性别
姓名       
甲   12  男
乙   23  男
丙   34  男
丁   43  男
       年龄
姓名 性别    
甲  男   12
乙  男   23
丙  男   34
丁  男   43

set_index的注意事项
在使用set_index时，需要注意以下几个事项：

• 设置索引之前，需要先进行数据清洗和处理，确保数据的准确性和完整性
• 设置索引后，需要使用unique()函数检查索引是否有重复值，以避免后续数据操作时出现问题
• 在合并DataFrame时，需要先设置索引，以提高数据合并的效率

数据子集的获取——应用iloc、loc、与ix完成数据子集的生成

Python数据处理工具 ——Pandas（数据的预处理）
通常，在Pandas模块中实现数据框子集的获取可以使用iloc、loc和ix三种“方法”，这三种方法既可以对数据行进行筛选，也可以实现变量的挑选，它们的语法可以表示成[rows_select,cols_select]。

iloc只能通过行号和列号进行数据的筛选，读者可以将iloc中的“i”理解为“integer”，即只能向[rows_select, cols_select]指定整数列表。该索引方式与数组的索引方式类似，都是从0开始，可以间隔取号，对于切片仍然无法取到上限。

loc要比iloc灵活一些，读者可以将loc中的“l”理解为“label”，即可以向[rows_select, cols_select]指定具体的行标签（行名称）和列标签（字段名）。注意，这里是标签不再是索引。而且，还可以将rows_select指定为具体的筛选条件，在iloc中是无法做到的。

ix是iloc和loc的混合，读者可以将ix理解为“mix”，该“方法”吸收了iloc和loc的优点，使数据框子集的获取更加灵活。为了使读者理解这三种方法的使用和差异，接下来通过具体的代码加以说明：

# 数据子集的获取
# 构造数据集
import pandas as pd
df1 = pd.DataFrame({'name':['张三','李四','王二','丁一','李五'],
                    'gender':['男','女','女','女','男'],
                    'age':[23,26,22,25,27]}, columns = ['name','gender','age'])
print(df1)
# 取出数据集的中间三行(即所有女性)，并且返回姓名和年龄两列
print(df1.iloc[1:4,[0,2]]  )
print(df1.loc[1:3, ['name','age']])
print(df1.ix[1:3,[0,2]])

注意：ix方法已经过时了，建议使用前两个
结果：

name gender  age
0   张三      男   23
1   李四      女   26
2   王二      女   22
3   丁一      女   25
4   李五      男   27
  name  age
1   李四   26
2   王二   22
3   丁一   25
  name  age
1   李四   26
2   王二   22
3   丁一   25

AttributeError: 'DataFrame' object has no attribute 'ix'

注意，这时的数据集是以员工姓名作为行名称，不再是之前的行号，对于目标数据的返回同样可以使用iloc、loc和ix三种方法。对于iloc来说，不管什么形式的数据集都可以使用，始终表示行索引，即取哪些行下标的观测；loc就不能使用数值表示行标签了，因为此时数据集的行标签是姓名，所以需要写入中间三行对应的姓名；通过ix方法，既可以用行索引（如代码所示）表示，也可以用行标签表示，可根据读者的喜好选择。由于并没有对数据集的变量做任何限制，所以cols_select用英文冒号表示，代表取出数据集的所有变量。

很显然，在实际的学习和工作中，观测行的筛选很少是通过写入具体的行索引或行标签，而是对某些列做条件筛选，进而获得目标数据。例如，在上面的df1数据集中，如何返回所有男性的姓名和年龄，代码如下：

# 使用筛选条件，取出所有男性的姓名和年龄
import pandas as pd
df1 = pd.DataFrame({'name':['张三','李四','王二','丁一','李五'],
                    'gender':['男','女','女','女','男'],
                    'age':[23,26,22,25,27]}, columns = ['name','gender','age'])

print(df1)
print(df1.loc[df1.gender == '男',['name','age']])

结果：

  name gender  age
0   张三      男   23
1   李四      女   26
2   王二      女   22
3   丁一      女   25
4   李五      男   27
  name  age
0   张三   23
4   李五   27

如果是基于条件的记录筛选，只能使用loc和ix两种方法。正如代码所示，对iloc方法的那行代码做注释，是因为iloc不允许使用条件筛选，这行代码是无法运行成功的。对变量名的筛选，loc必须指定具体的变量名，而ix既可以使用变量名，也可以使用字段的数值索引。
loc和iloc函数用法详解（Python）

综上所述，ix方法几乎可以实现所有情况中数据子集的获取，是iloc和loc两种方法的优点合成体，而且对于行号与行名称一致的数据集来说（如df1数据集），名称索引的优先级在位置索引之前（如本节第一段代码中的df1.ix[1:3,[0,2]]）。

loc()函数

读者可以将loc中的“l”理解为“label”，即可以向[rows_select, cols_select]指定具体的行标签（行名称）和列标签（字段名）。注意，这里是标签不再是索引。

提取特定单个数据

import pandas as pd

df = pd.DataFrame(data={"姓名":['甲','乙','丙','丁'],"年龄":[12,23,34,43], "性别":['男','男','男','男']})
df2 = df.set_index('姓名')    #将姓名那一列作为索引
print(df2)

# 要查乙的性别，根据索引‘乙’和列标签‘性别’来筛选
print('乙的性别是：', df2.loc['乙','性别'])   

结果：

    年龄 性别
姓名       
甲   12  男
乙   23  男
丙   34  男
丁   43  男
乙的性别是： 男

提取多行数据

import pandas as pd

df = pd.DataFrame(data={"姓名":['甲','乙','丙','丁'],"年龄":[12,23,34,43], "性别":['男','男','男','男']})
df2 = df.set_index('姓名')    #将姓名那一列作为索引
print(df2)

print(df2.loc[['乙','丁'],['年龄','性别']])

结果：

    年龄 性别
姓名       
甲   12  男
乙   23  男
丙   34  男
丁   43  男
    年龄 性别
姓名       
乙   23  男
丁   43  男

修改某一行某一列的值

Pandas库：从入门到应用(二)–行列数据读写
逐行读取DataFrame数据以及修改对应数据

import pandas as pd

df = pd.DataFrame(data={"姓名":['甲','乙','丙','丁'],"年龄":[12,23,34,43], "性别":['男','男','男','男']})
print(df)
df2 = df.set_index('姓名')    #将姓名那一列作为行标签
print(df2)
# 方法一
name_list = df['姓名'].tolist()
print(name_list)
for i in range(4):
    if name_list[i] in ['甲', '丁']:
        print(df2.loc[name_list[i],'性别'])
        df2.loc[name_list[i],'性别'] = '女'
    else:
        pass
# # 方法2
# df2.loc[['甲', '丁'],'性别'] = '女'
# print(df2)

结果：

甲   12  男
乙   23  男
丙   34  男
丁   43  男
['甲', '乙', '丙', '丁']
男
男