[数据挖掘新闻] 用Python索引和选择数据–如何为Pandas Series和DataFrame切片，切块 [推广有奖]

用Python索引和选择数据–如何为Pandas Series和DataFrame切片，切块
Python和NumPy索引运算符[]和属性运算符'。（点）可在各种用例中快速轻松地访问熊猫数据结构。该指数是像一个地址，这就是如何在数据帧或一系列的任何数据点都可以访问。行和列都有索引。
索引和选择数据
pandas对象中的轴标签信息有许多用途：
使用已知的指标标识数据（即提供元数据），这对于分析，可视化和交互式控制台显示很重要。
启用自动和显式数据对齐。
允许直观地获取和设置数据集的子集。
索引和选择数据的不同选择
对象选择具有用户要求的几个附加功能，以支持更明确的基于位置的索引。熊猫现在支持三种类型的多轴索引来选择数据。
.loc 主要基于标签，但也可以与布尔数组一起使用
我们正在借助pandas和NumPy创建一个数据框。在数据框中，我们正在借助随机函数生成随机数。在这里，索引由小写字母的标签名称和由大写字母给出的列名称给出。该索引包含六个字母，这意味着我们需要行和三列，这在'randn'函数中也有提及。
如果这两个值与索引，列标签和'randn'函数不匹配，则将给出错误。
＃导入pandas库并将别名作为pd
将熊猫作为pd导入
导入numpy作为np df = pd.DataFrame（np.random.randn（6，3），
索引= ['a'，'b'，'c'，'d'，'e'，'f']，列= ['A'，'B'，'C']）
打印（df.loc ['a'：'f']）
索引和选择数据-.loc
如何检查特定行中的值是正还是负。为此，我们给具有零的行值提供条件，输出是一个布尔表达式，用False和True表示。False表示该值小于零，True表示该值大于零。
＃用于通过布尔数组获取值
打印（df.loc ['a']> 0）
索引和选择数据-.loc
正如我们在上面的代码中看到的那样，.loc我们正在检查布尔数据的值是正还是负。在行索引“ a”中，第一列的值为负，其他两列的值为正，因此，这些列的布尔值分别为False，True，True。
然后，如果我们只想访问仅一列，则可以使用冒号。方括号中的冒号表示所有行，因为我们没有提到任何切片编号，并且逗号后面的值是B表示我们想查看列B的值。
打印df.loc [：，'B']
索引和选择数据-.loc
.iloc主要是整数位置（来自0于length-1所述轴线的），但也可以用布尔阵列使用。熊猫提供了多种方法来获取纯粹基于整数的索引。
＃导入pandas库并将别名作为pd
将熊猫作为pd导入
将numpy导入为np
df1 = pd.DataFrame（np.random.randn（8，3），列= ['A'，'B'，'C']）
＃选择特定列的所有行
打印（df1.iloc [：8]）
索引和选择数据-.iloc
在上面的小程序中，.iloc给出整数索引，我们可以按索引值访问row和column的值。要知道我们要切片的特定行和列，并且索引是基于整数的，因此我们使用.iloc。第一行是要获得前四行的输出，第二行是要找到B至C的两到三行和列索引的输出。
＃整数切片
打印（df1.iloc [：4]）
打印（df1.iloc [2：4，1：3]）
索引和选择数据-.iloc
.ix用于标签和基于整数的。除了基于纯标签和基于整数的方法外，Pandas还提供了一种混合方法，用于使用.ix（）运算符进行选择和子集化。
将熊猫作为pd导入
导入numpy为np df2 = pd.DataFrame（np.random.randn（8，3），列= ['A'，'B'，'C']）＃整数切片
打印（df2.ix [：4]）
图片发布
query（）方法
DataFrame对象具有query（）方法，该方法允许使用表达式进行选择。您可以获得框架的值，其中b列的值介于a列和c列之间。
例如：
＃创建10行3列的数据框
df4 = pd.DataFrame（np.random.rand（10，3），columns = list（'abc'））
df4
图片发布
以下代码中给出的条件是检查x小于b且b小于c。如果两个条件都成立，则打印输出。在这种情况下，只有一行通过了该条件。
图片发布
给查询函数相同的条件。如果我们将这两个条件进行比较，则查询语法比数据帧语法简单。
#with query（）
df4.query（'（x <b）＆（b <c）'）
图片发布
资料重复
如果要标识和删除数据框中的重复行，则有两种方法会有所帮助：重复和drop_duplicates。
重复：返回布尔矢量，其长度为行数，并指示行是否重复。
drop_duplicates：删除重复的行。
使用基于整数的索引和基于标签的列名称在行和列中创建数据框。
df5 = pd.DataFrame（{'a'：['one'，'one'，'two'，'two'，'two']]，
                    'b'：['x'，'y'，'x'，'y'，'x']，
                    'c'：np.random.randn（5）}）
df5
图片发布
我们以熊猫为单位生成了一个数据框，索引中的值基于整数。并生成三列a，b和c。在这里，我们检查了是否重复行的布尔值。对于新对象的每次第一次，布尔值都将变为False，然后在此之后重复，则此对象重复将变为True。
df5.duplicated（'a'）
图片发布
两个函数的输出之间的区别，一个是给输出提供布尔值，另一个是删除数据集中的重复标签。
df5.drop_duplicates（'a'）
图片发布
结论：
有很多方法可以从DataFrame中提取元素，行和列。Pandas中有一些索引方法，可帮助您从DataFrame中选择数据。到目前为止，这些是索引数据的最常用方法。在.loc与.iloc索引使用索引操作符来进行选择。
题库