idx

Pandas分类总结之：索引

⽂章⽬录

1.索引器

1.1表的列索引

df[列名]，返回值为Series，当列名不包含空格，可⽤df.列名取出

df[[列名组成的列表]]，返回值为DataFrame

1.2序列的⾏索引

1.以字符串为索引的Series

s[item]，若单个值对应，则返回这个标量值，如果有多个值对应，则返回⼀个Series

s[[item的列表]]，返回⼀个Series

s[start:end:step]，如果是唯⼀值的起点和终点字符才可以使⽤切⽚，且包含两个端点；如果不唯⼀，需要排序后才可使⽤切⽚

2.以整数为索引的Series

s[int]，若单个值对应，则返回这个标量值，如果有多个值对应，则返回⼀个Series

s[[int的列表]]，返回⼀个Series

s[start:end:step]，整数切⽚，两个索引不允许有重复值，取出对应索引位置的值，不包含右端点

1.3loc索引器

[*,*]基于元素的loc索引器，第⼀个*代表⾏的选择，第⼆个*代表列的选择，如果省略第⼆个，就是⾏筛选

*位置⼀共有五类合法对象，分别是：

[单个元素]

eg1：['row_name']或['col_name']，如果该元素在索引中重复则结果为DataFrame，否则为Series

eg2：['row_name','clo_name']，如果该元素在索引中重复则结果为Series，否则为单个元素

[元素列表]

eg1：[['row_name1','row_name2',...],['clo_name1','clo_name2',...]]，取出列表中所有元素值对应的⾏或列

[元素切⽚]

eg1：['row_namex':'row_namey','clo_namex':'clo_namey']，字符切⽚，如果是唯⼀值的起点和终点字符才可以使⽤切⽚，且包

含两个端点

eg2：[3：5]，整数切⽚，如果是唯⼀值的起点和终点数字才可以使⽤切⽚，且包含两个端点

[布尔列表]

传⼊loc的布尔列表要与DataFrame长度相同

eg1：[_name>num]

eg2：[_(['name1','name2'])]

eg3：[condition1&condition2]，复合条件可⽤|（或）,&（且）,~（取反）的组合来实现

[函数]

函数结果必须以前⾯的四种合法形式之⼀为返回值

eg1：[funcation(x)]，函数的形式参数x本质上即为df_demo

eg2：[lambdax:'name1',lambdax:'name2']

select_dtypes#从表中选出相应类型的列

eg1：_dtypes('number')，选出所有数值型的列

1.4iloc索引器

[*,*]基于位置的iloc索引器，第⼀个*代表⾏的选择，第⼆个*代表列的选择，如果省略第⼆个，就是⾏筛选

*位置⼀共有五类合法对象，分别是：

[整数]

eg1：[1,1]，第⼆⾏第⼆列

[整数列表]

eg1：[[0,1],[0,1]]，前两⾏前两列

[整数切⽚]

eg1：[1:4,2:4]，切⽚不包含结束端点

[布尔列表]

eg1：[(_name>num).values]，不能传⼊Series⽽必须传⼊序列的values

[函数]

eg1：[lambdax:slice(1,4)]

1.5query⽅法

把字符串形式的查询表达式传⼊query⽅法来查询数据，其表达式的执⾏结果必须返回布尔列表。

eg：

#eg1：

('((School=="FudanUniversity")&'

'(Grade=="Senior")&'

'(Weight>70))|'

'((School=="PekingUniversity")&'

'(Grade!="Senior")&'

'(Weight>80))')

#eg2：

('Weight>()')

注意：

对于含有空格的列名，需要使⽤colname的⽅式进⾏引⽤

条件关系可⽤or,and,or,in,notin，eg：('(condition1)and(condition2)')

字符串中出现与列表的⽐较时，==等价于in、!=等价于notin，eg：('clo_name==["name1","name2"]')

引⽤外部变量，只需在变量名前加@符号

1.6随机抽样

(n,#抽样数量

axis,#抽样⽅向

frac,#抽样⽐例

replace,#是否放回

weights#抽样相对概率)

2.多级索引

2.1多级索引和表的结构

索引中的⼀个元素是元组⽽不是单层索引中的标量

df_/values，获取⾏索引名字/值属性

df_/values，获取列索引名字/值属性

df__level_values(0)，获取某⼀层的索引

2.2多级索引中的loc索引器

loc和iloc⼀样使⽤，只需把标量的位置替换成对应的元组即可，但需要先进⾏df__index()（索引排序）以避免性能警告。

eg1：df_[('row_name1','row_name2')]

eg2：df_[[('row_name1','row_name2'),('row_name3','row_name4')]]

eg3：df_[df__name1>70]

eg4：df_[lambdax:('row_name1','row_name2')]

eg5：df_[('row_name1','row_name2'):]，切⽚索引，⽆论元组在索引中是否重复出现，都必须经过排序才能使⽤切⽚

eg6：df_[(['row_name1','row_name2'],['row_name3','row_name4']),:]，可以对多层的元素进⾏交叉组合后索引，同时需要指

定loc的列（全选则⽤:表⽰）

2.3IndexSlice对象

Slice对象⼀共有两种形式，第⼀种为loc[idx[*,*]]型，第⼆种为loc[idx[*,*],idx[*,*]]型，需要先定义idx=lice，才能使⽤slice，

loc[idx[*,*]]

eg1：df_[idx['C':,('D','f'):]]，前⼀个*表⽰⾏的选择，后⼀个*表⽰列的选择

eg2：df_[idx[:'A','b':],idx['E':,'e':]]，，前⼀个idx指代的是⾏索引，后⼀个是列索引

2.4多级索引的构造

_tuples(my_tuple,names=['First','Second'])，根据传⼊由元组组成的列表进⾏构造

_arrays(my_array,names=['First','Second'])，根据传⼊列表中，对应层的列表进⾏构造

_product([my_list1,my_list2],names=['First','Second'])，根据给定多个列表的笛卡尔积进⾏构造

3.索引的常⽤⽅法

3.1索引层的交换和删除

索引层的交换

df_vel(0,2,axis=1).head()，只能交换两个层，列索引的第⼀层和第三层交换

df_r_levels([2,0,1],axis=0).head()，可以交换任意层，列表数字指代原来索引中的层

索引层的删除

df_vel(1,axis=1)，删除某⼀层的索引

df_vel([0,1],axis=0)，删除某些层的索引

3.2索引属性的修改

索引层的名字修改

df__axis(index={'row_old':'row_new'},columns={'col_old':'col_new'})，索引层的名字进⾏修改，修改⽅式是传⼊字典的映射

索引层的值修改

df_(columns={'cat':'not_cat'},level=2)，对索引的值进⾏修改，如果是多级索引需要指定修改的层号level

df_(index=lambdax:(x),level=2)，传⼊参数也可以是函数，其输⼊值就是索引元素

map函数，定义在Index上的⽅法，直接传⼊索引的元组，进⾏跨层的修改提供了遍历

new_idx=df_(lambdax:(x[0],x[1],(x[2])))

new_idx=df_(lambdax:(x[0]+'-'+x[1]+'-'+x[2]))，对多级索引的压缩

new_idx=df_(lambdax:tuple(('-')))，索引反向地展开

3.3索引的设置与重置

set_index()索引的设置

_index('row_name'，append=True)，其主要参数是append，表⽰是否来保留原来的索引，直接把新设定的添加到原索引的内层

_index(['row_name1'，'row_name2'])

_index(['row_name1'，my_index])，在参数中可以传⼊相应的Series作为索引

reset_index()索引的重置

_index()，重置了所有的索引，重新⽣成⼀个默认索引

_index('row_name'，drop=True)，其主要参数是drop，表⽰是否要把去掉的索引层丢弃，⽽不是添加到列中

3.4索引的变形

df_x()

4.索引运算

4.1⼀般的索引运算

先⽤unique去重后再进⾏运算

ection(df2)，取索引交集

(df2)，取索引并集

ence(df2)，取索引差

ric_difference(df2)，取索引补