Pandas中Series和DataFrame的索引实现

2023-08-20 21:24:05 46

正文

在对Series对象和DataFrame对象进行索引的时候要明确这么一个概念：是使用下标进行索引，还是使用关键字进行索引。比如list进行索引的时候使用的是下标，而dict索引的时候使用的是关键字。

使用下标索引的时候下标总是从0开始的，而且索引值总是数字。而使用关键字进行索引，关键字是key里面的值，既可以是数字，也可以是字符串等。

Series对象介绍：

Series对象是由索引index和值values组成的，一个index对应一个value。其中index是pandas中的Index对象。values是numpy中的数组对象。

importpandasaspd
s1=pd.Series([2,3,4,5],index=['a','b','c','d'])
print(s1)
结果：
a2
b3
c4
d5
dtype:int64

print(s1.index)
结果：
Index(['a','b','c','d'],dtype='object')

print(s1.values)
结果：
[2345]

如何对Series对象进行索引？

1：使用index中的值进行索引

print(s1['a'])
结果：
2

print(s1[['a','d']])
结果：
a2
d5
dtype:int64


print(s1['b':'d'])
结果（注意，切片索引保存最后一个值）：
b3
c4
d5
dtype:int64

2：使用下标进行索引

print(s1[0])
结果：
2

print(s1[[0,3]])
结果：
a2
d5
dtype:int64

print(s1[1:3])
结果（注意：这里和上面不同的是不保存最后一个值，与正常索引相同）：
b3
c4
dtype:int64

3：特殊情况：

上面的index为字符串，假如index为数字，这个时候进行索引是按照index值进行还是按照下标进行？

s1=pd.Series([2,3,4,5],index=[1,2,3,4])
print(s1[2])
结果：
3
print(s1[0])会报错

print(s1[[2,4]])
结果：
23
45
dtype:int64

print(s1[1:3])
结果：
23
34
dtype:int64

可以看出来，当index为整数的时候，那么前两种选择是使用index的值进行索引，而后一种切片选择使用的是下标进行索引。

4:使用布尔Series进行索引

使用布尔Series进行索引的时候，其实是要求布尔Series和我们的索引对象有相同的index。

s1=pd.Series([2,3,4,5],index=['a','b','c','d']
print(s1>3)
结果（这是一个boolSeries）：
aFalse
bFalse
cTrue
dTrue
dtype:bool

print(s1[s1>3])
结果（只需要把boolSeries传入Series就可以实现索引）：
c4
d5
dtype:int64

5：使用Index对象来进行索引

使用Index对象进行索引的时候，和使用值索引没有本质的区别。因为Index里面也存入了很多值，可以把Index看做一个list。

DataFrame对象介绍：

DataFrame对象是一个由行列组成的表。DataFrame中行由columns组成，列由index组成，它们都是Index对象。它的值还是numpy数组。

data={'name':['ming','hong','gang','tian'],'age':[12,13,14,20],'score':[80.3,88.2,90,99.9]}
df1=pd.DataFrame(data)

print(df1.index)
结果：
RangeIndex(start=0,stop=4,step=1)

print(df1.columns)
结果：
Index(['age','name','score'],dtype='object')

print(df1.values)
结果：
[[12'ming'80.3]
[13'hong'88.2]
[14'gang'90.0]
[20'tian'99.9]]

如何对DataFrame对象进行索引

1：使用columns的值对列进行索引

直接使用columns中的值进行索引，得到的是一列或者是多列的值

print(df1['name'])
结果：
0ming
1hong
2gang
3tian
Name:name,dtype:object

print(df1[['name','age']])
结果：
nameage
0ming12
1hong13
2gang14
3tian20
注意：不可以直接使用下标对列进行索引，除非该columns当中包含该值。如下面的操作是错误的
print(df1[0])
结果：错误

2：切片或者布尔Series对行进行索引

使用切片索引，或者布尔类型Series进行索引：

print(df1[0:3])
使用切片进行选择，结果：
agenamescore
012ming80.3
113hong88.2
214gang90.0

print(df1[df1['age']>13])
使用布尔类型Series进行索引，其实还是要求布尔Series和DataFrame有相同的index，结果：
agenamescore
214gang90.0
320tian99.9

3：使用loc和iloc进行索引

本质上loc是用index和columns当中的值进行索引，而iloc是不理会index和columns当中的值的，永远都是用从0开始的下标进行索引。所以当你搞懂这句话的时候，下面的索引就会变得非常简单：

print(df1.loc[3])
结果：
namehong
score88.2
Name:3,dtype:object

print(df1.loc[:,'age'])
结果：
112
313
414
520
Name:age,dtype:int64

print(df1.iloc[3])
结果：
age20
nametian
score99.9
Name:5,dtype:object

print(df1.iloc[:,1])
结果：
1ming
3hong
4gang
5tian
Name:name,dtype:object

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。

Pandas中Series和DataFrame的索引实现

热门推荐

随机推荐