用熊猫索引和选择数据
熊猫索引: 熊猫索引意味着简单地从数据帧中选择特定的数据行和列。索引可能意味着选择所有的行和一些列，一些行和所有的列，或者每个行和列中的一些。索引也可以称为子集选择。
让我们看一些熊猫索引的例子。在本文中，我们使用“nba.csv”文件下载 CSV，点击这里。
选择一些行和一些列
让我们取一个包含一些假数据的数据帧，现在我们对这个数据帧执行索引。在本例中，我们从数据框中选择一些行和一些列。带有数据集的数据框。
假设我们想要选择列Age、College和Salary仅用于带有标签Amir Johnson和Terry Rozier
的行，我们的最终数据框将如下所示:
选择一些行和所有列
假设我们要选择第Amir Jhonson、Terry Rozier行和John Holland行，所有列都在一个数据框中。
我们最终的数据帧如下所示:
选择一些列和所有行
假设我们要选择“年龄”、“身高”和“工资”列，所有行都在一个数据框中。
我们最终的数据帧应该是这样的:
熊猫索引使用[ ]、[.loc[]](https://www.geeksforgeeks.org/python-pandas-extracting-rows-using-loc/)、[.iloc[ ]](https://www.geeksforgeeks.org/python-extracting-rows-using-pandas-iloc/)、[.ix[ ]](https://www.geeksforgeeks.org/python-pandas-dataframe-ix/)
有很多方法可以从数据框中提取元素、行和列。熊猫中有一些索引方法有助于从数据帧中获取元素。这些索引方法看起来非常相似，但行为却大不相同。熊猫支持四种类型的多轴索引，它们是:
- 数据框。[ ] ;该功能也称为索引运算符
- Dataframe.loc[ ] : 此功能用于标签。
- data frame . iloc[]:此功能用于基于位置或整数的
- Dataframe.ix[] : 此功能用于基于标签和整数的
他们统称为索引器。这些是迄今为止最常见的数据索引方式。这四个函数有助于从数据框中获取元素、行和列。
使用索引运算符[] :
索引运算符用于引用对象后面的方括号。[.loc](https://www.geeksforgeeks.org/python-pandas-extracting-rows-using-loc/)和[.iloc](https://www.geeksforgeeks.org/python-extracting-rows-using-pandas-iloc/)索引器也使用索引操作符进行选择。在这个索引操作符中引用 df[]。
选择单个列
为了选择单个列，我们只需将列名放在括号中
# importing pandas package
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving columns by indexing operator
first = data["Age"]
print(first)
输出:
选择多列
为了选择多个列，我们必须在索引操作符中传递一个列列表。
# importing pandas package
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving multiple columns by indexing operator
first = data[["Age", "College", "Salary"]]
first
输出:
使用[.loc[ ]](https://www.geeksforgeeks.org/python-pandas-extracting-rows-using-loc/) :
索引数据帧此功能通过行和列的标签选择数据。df.loc索引器选择数据的方式与索引操作符不同。它可以选择行或列的子集。它还可以同时选择行和列的子集。
选择单行
为了使用.loc[]选择单行，我们在.loc函数中放置一个单行标签。
# importing pandas package
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving row by loc method
first = data.loc["Avery Bradley"]
second = data.loc["R.J. Hunter"]
print(first, "\n\n\n", second)
输出:
如输出图像所示，由于两次都只有一个参数，所以返回了两个序列。
选择多行
为了选择多行，我们将所有行标签放在一个列表中，并将其传递给[.loc](https://www.geeksforgeeks.org/python-pandas-extracting-rows-using-loc/)函数。
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving multiple rows by loc method
first = data.loc[["Avery Bradley", "R.J. Hunter"]]
print(first)
输出:
选择两行三列
为了选择两行和三列，我们选择一个我们想要选择的两行和三列，并将其放在一个单独的列表中，如下所示:
Dataframe.loc[["row1", "row2"], ["column1", "column2", "column3"]]
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving two rows and three columns by loc method
first = data.loc[["Avery Bradley", "R.J. Hunter"],
["Team", "Number", "Position"]]
print(first)
输出:
选择所有行和一些列
为了选择所有的行和一些列，我们使用单冒号 [:] 来选择所有的行和一些列的列表，我们想要这样选择:
Dataframe.loc[[:, ["column1", "column2", "column3"]]
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving all rows and some columns by loc method
first = data.loc[:, ["Team", "Number", "Position"]]
print(first)
输出:
使用[.iloc[ ]](https://www.geeksforgeeks.org/python-extracting-rows-using-pandas-iloc/) :
索引数据框该功能允许我们按位置检索行和列。为了做到这一点，我们需要指定我们想要的行的位置，以及我们想要的列的位置。df.iloc 索引器与df.loc 非常相似，但仅使用整数位置进行选择。
选择单行
为了使用.iloc[]选择单行，我们可以将单个整数传递给.iloc[]函数。
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving rows by iloc method
row2 = data.iloc[3]
print(row2)
输出:
选择多行
为了选择多行，我们可以将一个整数列表传递给.iloc[]函数。
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving multiple rows by iloc method
row2 = data.iloc [[3, 5, 7]]
row2
输出:
选择两行和两列
为了选择两行两列，我们为行创建一个 2 整数列表，为列创建一个 2 整数列表，然后传递给.iloc[]函数。
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving two rows and two columns by iloc method
row2 = data.iloc [[3, 4], [1, 2]]
print(row2)
输出:
选择所有行和一些列
为了选择所有的行和一些列，我们使用单冒号 [:] 来选择所有的行，对于列，我们制作一个整数列表，然后传递给一个.iloc[]函数。
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving all rows and some columns by iloc method
row2 = data.iloc [:, [1, 2]]
print(row2)
输出:
使用data frame . IX【】:
熊猫发育早期，存在另一个索引器，ix。该索引器能够通过标签和整数位置进行选择。虽然它是通用的，但它引起了很多混乱，因为它不明确。有时整数也可以是行或列的标签。因此，有些情况下，它是模棱两可的。一般来说，ix是基于标签的，就像一样。锁定步进器。但是，.ix也支持整数类型选择(如。其中传递了一个整数。这仅适用于数据帧的索引不是基于整数的情况.ix将接受.loc和.iloc的任何输入。
注:。ix 索引器在 Pandas 的近期版本中已被弃用。
使用[.ix[]](https://www.geeksforgeeks.org/python-pandas-dataframe-ix/)作为[.loc[]](https://www.geeksforgeeks.org/python-pandas-extracting-rows-using-loc/)选择单行
为了选择单行，我们在一个.ix函数中放置一个单行标签。这个函数的行为类似于。loc[]如果我们传递一个行标签作为函数的参数。
# importing pandas package
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving row by ix method
first = data.ix["Avery Bradley"]
print(first)
输出:
使用[.ix[]](https://www.geeksforgeeks.org/python-pandas-dataframe-ix/)作为[.iloc[]](https://www.geeksforgeeks.org/python-extracting-rows-using-pandas-iloc/)选择单行
为了选择单行，我们可以将单个整数传递给.ix[]函数。如果我们在.ix[]函数中传递一个整数，这个函数类似于 iloc[]函数。
# importing pandas package
import pandas as pd
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name")
# retrieving row by ix method
first = data.ix[1]
print(first)
输出:
数据框中的索引方法
| 功能 | 描述 |
| Dataframe.head() | 返回数据帧的顶部 n行。 |
| 【data frame . tail() | 返回数据帧的底部n行。 |
| 数据框[] | 访问行/列标签对的单个值。 |
| Dataframe.iat[] | 按整数位置访问行/列对的单个值。 |
| 【data frame . tail() | 完全基于整数位置的索引，用于按位置选择。 |
| DataFrame.lookup() | 基于标签的数据帧“花式索引”功能。 |
| 【data frame . pop() | 返回项目并从框架中删除。 |
| 数据帧. xs() | 从数据框中返回横截面(行或列)。 |
| DataFrame.get() | 从给定键的对象中获取项目(数据框列、面板切片等)。). |
| DataFrame.isin() | 返回布尔数据框，显示数据框中的每个元素是否包含在值中。 |
| 数据框() | 返回一个与自身形状相同的对象，其对应条目来自自身，条件为真，否则来自其他。 |
| 【data frame . mask() | 返回一个与自身形状相同的对象，其对应条目来自自身，条件为假，否则来自其他。 |
| data frame . query() | 用布尔表达式查询框架的列。 |
| 数据帧插入() | 将列插入指定位置的数据框。 |
版权属于：月萌API www.moonapi.com，转载请注明出处
