第1个回答 2022-06-30
注：《利用python进行数据分析》的学习笔记-pandas
import pandas as pd
import numpy as np
一维数组，包含一个数组对象，一个索引对象，索引对象默认为0开始的递增数字，可通过index=[idx1, idx2, ...]参数指定
可通过索引选取/修改相应的数据，选取：data=series[idx], 修改：series[[idxm, idxn, ...]]=[dm, dn, ...]
series可看成定长有序字典，索引到数据的映射，series可用于字典参数的函数中。idxn in series返回True/False
多个series做算术操作，会自动对齐不同索引的数据，无此数据自动填充NaN
可看作多个series组成的表单，dataframe有两种索引，与series相同的index行索引，还有columns列索引
选取/修改一行数据 dataframe.loc['index']
选取/修改一列数据 dataframe['column'], dataframe.column
obj.reindex(newIndex) #适用于series与dataframe
obj.reindex(index=newIndex, columns=newcolumns) #dataframe需对行索引列索引都重新索引时
obj.reindex(index=newindex, columns=newcolumns, fill_value=100) #指定填充值，不指定时填充NaN
obj.reindex(index=newindex, columns=newcolumns, fill_value=100, method='ffill') #指定填充方法ffill/pad(前向填充),bfill/backfill(后向填充)
obj=obj.drop(index, axis=0)
obj=obj.drop([col1, col2, ...], axis=1)
axis默认为0，删除列数据时指定axis为1
series
obj = pd.Series(range(5), index=list('abcde'))
取单数 obj[2]， obj['c']
切片取数 obj[2:5]， obj['a':'c']
不连续取数 obj[1,3]， obj['a','c','d']
过滤 obj[obj>2],
修改 obj[3]=0,
注：series切片不用于python数据结构的切片，series的切片包含末端，即python:[start, end), series:[start, end]
dataframe
obj = pd.DataFrame(np.arange(15).reshape((3,5)),
index = ['one', 'two', 'three'],
columns = list('abcde') )
取单列 obj.loc[:, 'c'], obj.iloc[:, 2], obj.xs('c', axis=1), obj['c']，
取单行 obj.loc['one'], obj.iloc[1], obj.xs('one', axis=0),
取连续行 obj.loc['one':'three'], obj.iloc[1:3], obj[:2],
取连续列 obj.loc[:, 'b':'d'], obj.iloc[:, 2:4],
取不连续行 obj.loc[['one','three']] obj.iloc[[0,2]],
取不连续列 obj.loc[:, ['b', 'e']] obj.iloc[:, [1,4]],
取单行单列 obj.loc['two', 'd'] obj.iloc[2, 4]
取连续行列 obj.loc['one':'three', 'b':'d'] obj.iloc[:2, 2:4]
取不连续行列 obj.loc[['one','three'], ['b':'d']] obj.iloc[[0,2], [1,4]]
根据列值过滤行 obj.loc[obj['c']%2==0, :]
******此处吐个槽，这个切片方法一会儿只能取单列，一会儿只能取连续行，一会儿包含终止项，一会儿不包含，我人都傻了...
******loc/iloc方法接收两个参数，第一个是行，第二个是列，都可切片，也都可指定索引，列参数可以不写，默认取所有列数据
******下面总结下这个花哨的切片！
dataframe有两种索引，行索引/列索引。每种索引包含两类用法，索引名称(对应df.loc)/索引下标对应(df.iloc)
① df[columnName] 取单列数据，只能用列名，不能使用列下标，不能用于取单行
② df[lineName1: lineName2] 取连续行数据，使用行名时，包含末尾项，即[start，end]
③ df[lineIndex1: lineIndex2] 取连续行数据，使用行下标时，不包含末尾项 ，即[start，end)
④ df.loc['line2':'line4'] 取连续行数据，使用行名时，包含末尾项，即[start，end]
⑤ df.iloc[2:4] 取连续行数据，使用行下标时，不包含末尾项 ，即[start，end)
⑥ df.loc[:, columnName1:columnName2] 取连续列，使用列名时，包含末尾项，即[start，end]
⑦ df.iloc[:, columnIndex1:columnIndex2] 取连续列，使用列下标时，不包含末尾项，即[start，end)
⑧ df.loc[[lineName1, ...], [columnName1, ...]] 使用行名/列名取不连续行列
⑨ df.iloc[[lineIndex1, ...], [columnIndex1, ...]] 使用行下标/列下标取不连续行列
以前用的时候总觉得奇奇怪怪的，花了一下午时间一个一个尝试终于捋顺了，欧耶！ (〃￣︶￣) 人 (￣︶￣〃)
DataFrame直接切片，即df[args]，可用于指定列名取单列数据，可用于指定行名/行下标取连续多行数据
取单行数据不可直接切片，需使用loc/iloc方法
DataFrame.loc(line, column) 用于按索引名称取行/列数据，此时，首尾项都会被取出
参数line指定行索引名称，参数2指定列索引名称（可省略，默认选取所有列）。
DataFrame.iloc(line, column) 用于按索引下标取行/列数据，此时，尾项数据不会被取出
参数line指定行索引下标，参数2指定列索引下标（可省略，默认选取所有列）。