Pandas索引

一、索引器

1. 表的列索引

列索引是最常见的索引形式，一般通过 [ ] 来实现。通过 [列名] 可以从 DataFrame 中取出相应的列，返回值为 Series。
【例子】从表中取出姓名一列

df['Name'].head()

如果要取出多个列，则可以通过 [列名组成的列表] ，其返回值为一个 DataFrame ，例如从表中取出性别和姓名两列：

df[['Gender', 'Name']].head()

若要取出单列，且列名中不包含空格，则可以用 .列名 取出，这和 [列名] 是等价的。

df.Name.head()

2. 序列的行索引

• 以字符串为索引的 Series
  如果取出单个索引的对应元素，则可以使用 [item] ，若 Series 只有单个值对应，则返回这个标量值，如果有多个值对应，则返回一个 Series :s['b']
  如果取出多个索引的对应元素，则可以使用 [items的列表] ：s[['c', 'b']]
• 以整数为索引的 Series
  在使用数据的读入函数时，如果不特别指定所对应的列作为索引，那么会生成从0开始的整数索引作为默认索引。当然，任意一组符合长度要求的整数都可以作为索引。
  和字符串一样，如果使用 [int] 或 [int_list] ，则可以取出对应索引 元素 的值

s = pd.Series(['a', 'b', 'c', 'd', 'e', 'f'],
              index=[1, 3, 1, 2, 5, 4])
s[1]
s[[2,3]]

3. loc索引器

loc 索引器的一般形式是 loc[*, ] ，其中第一个 * 代表行的选择，第二个 * 代表列的选择，如果省略第二个位置写作 loc[] ，这个 * 是指行的筛选。其中， * 的位置一共有五类合法对象，分别是：单个元素、元素列表、元素切片、布尔列表以及函数。

• 为单个元素
  此时，直接取出相应的行或列，如果该元素在索引中重复则结果为 DataFrame，否则为 Series ：
• 为元素列表
  此时，取出列表中所有元素值对应的行或列：
• 为切片
  之前的 Series 使用字符串索引时提到，如果是唯一值的起点和终点字符，那么就可以使用切片，并且包含两个端点，如果不唯一则报错：
  需要注意的是，如果 DataFrame 使用整数索引，其使用整数切片的时候和上面字符串索引的要求一致，都是 元素 切片，包含端点且起点、终点不允许有重复值。
• 为布尔列表
  在实际的数据处理中，根据条件来筛选行是极其常见的，此处传入 loc 的布尔列表与 DataFrame 长度相同，且列表为 True 的位置所对应的行会被选中， False 则会被剔除。
• 为函数
  这里的函数，必须以前面的四种合法形式之一为返回值，并且函数的输入值为 DataFrame 本身。

多级索引

多级索引（也称层次化索引）是pandas的重要功能，可以在Series、DataFrame对象上拥有2个以及2个以上的索引。
实质上，单级索引对应Index对象,多级索引对应MultiIndex对象。

• 多级索引Series对象的创建

se1=pd.Series(np.random.randn(4),index=[list("aabb"),[1,2,1,2]])
se1

a  1    0.945676
   2    1.240454
b  1    1.021960
   2    0.363063
dtype: float64

• 子集的选取

se1['a']

1    0.945676
2    1.240454
dtype: float64

• DataFrame对象的多级索引
  创建：

df1=pd.DataFrame(np.arange(12).reshape(4,3),index=[list("AABB"),[1,2,1,2]],columns=[list("XXY"),[10,11,10]])
df1

索引运算

• .loc()
  .loc()主要基于标签(label)的，包括行标签(index)和列标签(colums)，即行名称和列名称，可以使用def.loc[index_name, col_name]选择指定位置的数据，主要用法有：
  单个标量标签，如果.loc中只有单个标签，那么选择的是一行。如：df.loc['a']选择的是 index 为’a’的一样。
  标签列表，如：df.loc[['a', 'b', 'c']]，同样只选择行。
  切片对象，与通常的 python 切片不同，在最终选择的数据数据中包含切片的 start 和 stop。如：df.loc['c' : 'h'] 即包含’c’行，也包含’h’行。
  布尔数组，用于筛选符合某些条件的行，如：df.loc[df.A>0.5] 筛选出所有’A’列大于0.5的行。

• .iloc()
  .iloc() 是基于整数的索引，利用元素在各个轴上的索引序号进行选择，序号超过范围产生IndexError，切片时允许序号超过范围。
  各种访问方式如下 –
  整数，与.loc相同，如果只使用一个维度，则对行选择，小标从 0 开始。如：df.iloc[5]，选择第 6 行。
  整数列表或者数组，如df.iloc[[5, 1, 7]]，选择第 6 行， 第 2 行， 第 8 行。
  元素为整数的切片操作，与.loc不同，这里下标为 stop 的数据不被选择。如：df.iloc[0:3]， 只包含 0，1，2行，不包含第 3 行。
  使用布尔数组进行筛选，如 df.iloc[np.array(df.A>0.5)]，df.iloc[list(df.A>0.5)]。
  注意使用布尔数组进行筛选时，可以使用 list 或者 array，使用 Series会出错，NotImplementedError 和 ValueError，前者是 Series 的 index 与待切片 DataFrame的index 不同时报错，后置 index 相同时报错。
  与.loc使用布尔数组，可以使用 list, array, 也可以使用Series，使用Series时 index需要一致，否则会报 IndexError。