Python数据科学手册（四）【Pandas 索引和选择】

前面我们介绍了Numpy的索引和选择操作，Pandas也具有类似的操作，这节我们将介绍Pandas对象的索引和选择操作。

Series数据选择

前面说过，Series有些操作类似一维Numpy数组，有些操作类似Python字典。

将Series看做字典

跟字典类似，Series对象可以根据键获取值：

import pandas as pd
data = pd.Series([0.25, 0.5, 0.75, 1.0],
                 index=['a', 'b', 'c', 'd'])
data['b']
# 0.5

也可以使用类似字典的表达式或者方法：

'a' in data             # True
data.keys()             # Index(['a', 'b', 'c', 'd'], dtype='object')
list(data.items())      #[('a', 0.25), ('b', 0.5), ('c', 0.75), ('d', 1.0)]

Series对象也可以像字典一样修改值:

data['e'] = 1.25

将Series看做一维数组

将Series看做一维数组，则可以支持切片等操作：

data['a':'c']   # 显式声明索引进行切片
data[0:2]     # 隐式切片

注意上面的索引操作是有区别的，前者包含了最后一个元素，而后者并不包含。
掩码索引：

data[(data > 0.3) & (data < 0.8)]

结果：

b    0.50
c    0.75
dtype: float64

数组索引：

data[['a', 'e']]

索引器：loc,iloc和ix

使用传统的索引方式很容易引起混淆。例如Series对象使用了整型数组进行显式声明，则data[1]将使用显式的索引，而data[1:3]还会继续使用隐式索引。

data = pd.Series(['a', 'b', 'c'], index=[1, 3, 5])
# explicit index when indexing
data[1] 
# implicit index when slicing
data[1:3]

由于传统的索引容易引起混淆，所以Pandas提供了一些高级的索引器属性，这些索引器并不是函数，而是作为属性存在。
loc()方法总是使用显式索引：

data.loc[1]  # 'a'

data.loc[1:3]

结果为

1    a
3    b
dtype: object

而iloc()总是使用隐式索引：

data.iloc[1]   # 'b'

data.iloc[1:3]

结果将为：

3    b
5    c
dtype: object

ix()将两者结合起来，对于Series对象来说它相当于[]。

DataFrame数据选择

前面说过DataFrame既可以看做是二维数组，也可以看成Series结构的字典。

将DataFrame看做字典

例如：

area = pd.Series({'California': 423967, 'Texas': 695662,
                  'New York': 141297, 'Florida': 170312,
                  'Illinois': 149995})
pop = pd.Series({'California': 38332521, 'Texas': 26448193,
                 'New York': 19651127, 'Florida': 19552860,
                 'Illinois': 12882135})
data = pd.DataFrame({'area':area, 'pop':pop})
data

image.png

组成DataFrame的Series对象可以通过列索引获取：

data['area']

image.png

也可以像属性的方式一样获取：

data.area

属性获取的方式与通过key获取的方式类似：

data.area is data['area']   # True

注意如果采用属性获取的方式，则属性名称不能与DataFrame的方法名冲突，并且只能是字符串。例如，下面的就发生冲突了：

data.pop is data['pop']

所以一般情况下，尽量采用[]的方式获取值。
与Series对象类似，也可以通过键赋值的方式修改整列获取添加新的列:

data['density'] = data['pop'] / data['area']

将DataFrame看做二维数组

通过values属性可以获取原始的数据:

data.values

输出:

array([[  4.23967000e+05,   3.83325210e+07,   9.04139261e+01],
       [  1.70312000e+05,   1.95528600e+07,   1.14806121e+02],
       [  1.49995000e+05,   1.28821350e+07,   8.58837628e+01],
       [  1.41297000e+05,   1.96511270e+07,   1.39076746e+02],
       [  6.95662000e+05,   2.64481930e+07,   3.80187404e+01]])

许多二维数组的操作同样可以在DataFrame上进行，例如通过转置交换行和列：

data.T

如果需要像普通数组一样进行切片和选择，需要使用loc,iloc,ix等索引器。
例如, 使用iloc进行隐式切片：

data.iloc[:3, :2]

结果如下：

image.png
使用loc进行显式切片：

data.loc[:'Illinois', :'pop']

ix支持混合切片：

data.ix[:3, :'pop']

结果如下所示：

image.png

其他类似Numpy的索引方式对DataFrame也适用，例如通过掩码的方式进行索引：

data.loc[data.density > 100, ['pop', 'density']]

这些索引操作也可以用来赋值或者修改值：

data.iloc[0, 2] = 90

其它常用索引

直接对DataFrame索引获取到的是列，而切片获取的则是行：

data['Florida':'Illinois']

上述操作等价于:

data[1:3]

同样的，掩码索引针对的也是行，而不是列：

data[data.density > 100]