如何在Python Pandas中使用索引标签选择数据子集？
介绍
熊猫具有双重选择功能，可以使用索引位置或索引标签选择数据子集。在本文中，我将向您展示如何使用索引标签“使用索引标签选择数据子集”。
请记住，Python词典和列表是内置的数据结构，它们可以通过使用索引标签或按索引位置来选择其数据。字典的键必须是字符串，整数或元组，而列表必须使用整数（位置）或sliceobjects进行选择。
熊猫具有.loc和.iloc属性，可用于以自己独特的方式执行索引操作。）。使用.iloc属性，熊猫仅按位置进行选择，其工作方式类似于Python列表。.loc属性仅按索引标签选择，这类似于Python词典的工作方式。
使用带有.loc[]的索引标签选择数据子集
loc和iloc属性在Series和DataFrame上均可用
导入以标题为索引的电影数据集。
import pandas as pd
movies = pd.read_csv("https://raw.githubusercontent.com/sasankac/TestDataSet/master/movies_data.csv",
index_col="title",
usecols=["title","budget","vote_average","vote_count"])我总是建议对索引进行排序，尤其是当索引由字符串组成时。如果在对索引进行排序时要处理庞大的数据集，则会注意到差异。
movies.sort_index(inplace = True) movies.head(3)
预算#平均得分#标题#恐怖15000003.352(500)夏季天数75000007.2290410克洛弗菲尔德巷150000006.82468
我已经使用sort_index和“inplace=True”参数对索引进行了排序。
loc方法的语法有趣的一件事是，它不需要使用方parenthesis()括号[]。我认为（可能是错误的）这是因为他们想要一致性，即可以在Series上使用[]来提取行，而在Dataframe上应用则可以获取列。
# extract "Spider-Man 3" ( I'm not a big fan of spidy) movies.loc["Spider-Man 3"]
预算258000000.0投票平均5.9投票数3576.0名称：蜘蛛侠3，dtype：float64
使用切片拉出许多值。我要去看那些没看过的电影。由于这是一个字符串标签，我们将获取搜索条件（包括“阿凡达”）的所有数据。
切记-如果您使用Python列表，则最后一个值将被排除，但由于我们使用的是字符串，因此将包含此值。
movies.loc["Alien":"Avatar"]
预算投票平均投票数标题外星人110000007.94470外星人区04.03外星人：复活700000005.91365外星人185000007.73220阁楼中的外星人450000005.3244............澳大利亚1300000006.3694自动对焦70000006.156自动机70000005.6670纽约秋季650000005.7135阿凡达2370000007.211800
167行×3列
能否获得不相邻的任意两部或更多部随机电影？肯定可以，但是您需要付出更多努力才能传递所需的电影列表。
我的意思是，您需要在方括号中包含方括号。
movies.loc[["Avatar","Avengers: Age of Ultron"]]
预算投票_平均投票_计数标题阿凡达2370000007.211800复仇者联盟：奥创时代2800000007.36767
我可以更改选择顺序吗？当然，您可以通过在订单中指定所需标签列表来帮助自己。
虽然这很酷，可以指定要提取的标签列表，但是您知道如果拼写错误的值会怎样？熊猫会因为拼写错误的标签而遗漏缺少值(NaN)。但是那些日子已经一去不复返了，最新的更新引发了一个例外。
movies.loc[["Avengers: Age of Ultron","Avatar","When is Avengers next movie?"]]
---------------------------------------------------------------------------
KeyError
Traceback (most recent call last)
<ipython-input-6-ebe975264840> in <module>
----> 1 movies.loc[["Avengers: Age of Ultron","Avatar","When is Avengers next movie?"]]
~\anaconda3\lib\site-packages\pandas\core\indexing.py in
__getitem__
(self, key)
1766
1767 maybe_callable = com.apply_if_callable(
key,self.obj)
-> 1768
return self._getitem_axis(maybe_callable,axis = axis)
1769
1770 def_is_scalar_access(self,key:Tuple):
~\anaconda3\lib\site-packages\pandas\core\indexing.py
in
_getitem_axis
(self, key, axis)
1952 raiseValueError("Cannot index with multidimensional key")
1953
-> 1954 return self._getitem_iterable(key,
axis=axis)
1955
1956 # nested tuple slicing
~\anaconda3\lib\site-packages\pandas\core\indexing.py
in_getitem_iterable(self, key, axis)
1593 else:
1594 # A collection of keys
-> 1595 keyarr,indexer=self._get_listlike_indexer(key,axis,raise_missing=False)
1596 return self.obj._reindex_with_indexers(
1597 {axis:[keyarr,indexer]},copy=True,allow_dups=True
~\anaconda3\lib\site-packages\pandas\core\indexing.py
in
_get_listlike_indexer(self, key, axis, raise_missing)
1550 keyarr,indexer,new_indexer=ax._reindex_non_unique
(keyarr)
1551
-> 1552 self._validate_read_indexer(
1553 keyarr,indexer,o._get_axis_number
(axis),raise_missing=raise_missing
1554 )
~\anaconda3\lib\site-packages\pandas\core\indexing.py
in
_validate_read_indexer
(self, key, indexer, axis, raise_missing)
1652 # just raising
1653 ifnot(ax.is_categorical()orax.is_interval()
)
:
-> 1654 raise KeyError(
1655 "Passing list-likes to .loc or [] with any missing labels "
1656 "is no longer supported, see "KeyError：“不再支持将列表喜欢的标签传递给.loc或[]，并且缺少任何标签，请参见https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#deprecate-loc-reindex-listlike”
一种注意的方法是直接检查索引中的值。
"When is Avengers next movie?"in movies.index
假
如果您想忽略错误并继续前进，可以使用以下方法
movies.query("title in ('Avatar','When is Avengers next Movie?')")预算投票_平均投票_计数标题阿凡达2370000007.211800