numpy和pandas的基础索引切片

Numpy的索引切片

索引

In [72]: arr = np.array([[[1,1,1],[2,2,2]],[[3,3,3],[4,4,4]]])                 

In [73]: arr
Out[73]:
array([[[1, 1, 1],
        [2, 2, 2]],

       [[3, 3, 3],
        [4, 4, 4]]])

In [74]: arr.ndim
Out[74]: 3

In [75]: arr.shape
Out[75]: (2, 2, 3)

In [76]: arr[0]           #返回降低一个维度的数组
Out[76]:
array([[1, 1, 1],
       [2, 2, 2]])

In [77]: arr[0,0]         #返回一维数组
  Out[77]: array([1, 1, 1])

切片

In [78]: arr[:,:,:2]
Out[78]:
array([[[1, 1],
        [2, 2]],

       [[3, 3],
        [4, 4]]])

索引与切片结合

array([[[1, 1, 1],
        [2, 2, 2]],
       [[3, 3, 3],
        [4, 4, 4]]])

In [79]: arr[0,1,:2]
Out[79]: array([2, 2])

Pandas的索引切片

一、Series的索引

In [8]: obj = pd.Series(np.arange(4),index=['a','b','c','d'])                  

In [9]: obj
Out[9]:
a    0
b    1
c    2
d    3
dtype: int64

1）使用index进行索引

In [10]: obj['b']
Out[10]: 1

In [11]: obj[1]
Out[11]: 1

2）切片

In [12]: obj['b':'d']    #包含尾部
Out[12]:
b    1
c    2
d    3
dtype: int64

In [13]: obj[1:3]
Out[13]:
b    1
c    2
dtype: int64

3）使用索引列表进行索引

In [14]: obj[['b','d']]
Out[14]:
b    1
d    3
dtype: int64

In [15]: obj[[1,3]]
Out[15]:
b    1
d    3
dtype: int64

二、DataFrame的索引

In [20]: obj = pd.DataFrame(np.arange(16).reshape((4,4)),index=['a','b','c','d'
    ...: ],columns=['a1','b2','c3','d4'])    
 
In [21]: obj
Out[21]:
   a1  b2  c3  d4
a   0   1   2   3
b   4   5   6   7
c   8   9  10  11
d  12  13  14  15

1）索引列

不可以obj[‘a’]了

In [32]: obj['b2']
Out[32]:
a     1
b     5
c     9
d    13
Name: b2, dtype: int64

2）行切片

In [36]: obj[:3]
Out[36]:
   a1  b2  c3  d4
a   0   1   2   3
b   4   5   6   7
c   8   9  10  11

In [37]: obj[obj['c3']>6]  #根据布尔值数组选择数据
Out[37]:
   a1  b2  c3  d4
c   8   9  10  11
d  12  13  14  15

3）索引列和行

In [38]: obj['a1']['c']
Out[38]: 8

In [39]: obj['a1'][:2]
Out[39]:
a    0
b    4
Name: a1, dtype: int64

4）使用loc和iloc选择数据

使用轴标签（loc）或整数标签（iloc）从DataFrame中选出数组的行和列的子集

整数标签（iloc）：

In [55]: obj
Out[55]:
   a1  b2  c3  d4
a   0   1   2   3
b   4   5   6   7
c   8   9  10  11
d  12  13  14  15

In [53]: obj.iloc[2,[2,0,1]]  #变换列顺序
Out[53]:
c3    10
a1     8
b2     9
Name: c, dtype: int64

In [54]: obj.iloc[2]         #索引行
Out[54]:
a1     8
b2     9
c3    10
d4    11
Name: c, dtype: int64

轴标签（loc）：

In [57]: obj.loc['a',['b2','a1']]
Out[57]:
b2    1
a1    0
Name: a, dtype: int64

In [58]: obj.loc['a':'c',['b2','a1']]                                          

Out[58]:
   b2  a1
a   1   0
b   5   4
c   9   8