Python数据科学手册-Pandas:数据取值与选择

Numpy数组取值 切片[:,1：5], 掩码操作arr[arr>0], 花哨的索引 arr[0, [1,5]],Pandas的操作类似

Series数据选择方法

Series对象与一维Numpy数组 和标准的Python字典 在许多方面 都一样。

1)将Series看作字典



可以使用Python字典的表达式和方法来检查 键 和索引 值

Series 可以新增，可以扩展。



2）将Series看作一维数组

Series不仅有着和字典一样的接口，而且还具备和Numpy数组一样的数组 数据选择 包括 索引、掩码、花哨的索引等操作。



3）索引器：loc、iloc、ix



如果Series是显示整数索引，取值操作是显示索引，切片操作是隐式索引。

这样子就很容易混淆，索引Pandas提供了一些索引器（indexer）属性作为取值方法

loc 显示



iloc 隐式



ix 是loc 和 iloc的混合形式，在Series对象中，ix等价与Python列表的取值方式。

ix主要用于DataFrame.

Python代码设计原则之一是“显示优于隐式”。 代码更容易维护 可读性更高。

DataFrame 数据选择方法

DataFrame像 二维或结构化数组，又像一个共享索引的若干Series对象的字典。

1）将DataFrame看作字典



俩个Series分别构成DataFram的一列。可以通过列名进行字典形式的取值获取数据

data['key'] 建议使用这个。



data.key

可以使用字典形式 调整对象，增加一列。



2）将DataFrame看作二维数组

DataFrame看出是一个增强版的二维数组。用values属性查看数组数据



可以把许多对数组的操作用在DataFrame上

行列转置



获取一行数据。



获取一列数据，需要向DataFrame传递单个列索引



因此，进行数组形式的取值时， 需要使用索引器了。 隐式索引。 DataFrame的行列标签自动保留在结果中。



loc

ix 混合效果，新版本好像不支持了，被丢弃了。挺好。