Pandas索引 *** 作及高级索引

Pandas索引 *** 作及高级索引 Pandas索引 *** 作及高级索引 索引对象

Pandas 中的索引都是 Index 对象，又称索引对象，该对象是不可以进行修改的，以保证数据的安全。例如，创建一个 Series 类对象，为其制定索引，然后再对索引重新赋值后会提示“索引不支持可变 *** 作”的错误信息，示例代码如下：

ser_obj = pd.Series(range(5),index=['a','b','c','d','e'])
ser_index = ser_obj.index
ser_index        #Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
ser_index['2']='cc'

Index 类对象的不可变特性是非常重要的，正因如此，多个数据结构之间才能够安全的共享 Index 对象。例如，创建两个共同使用同一个 Index 对象的 Series 类对象，具体代码如下：

ser_obj1 = pd.Series(range(3),index=['a','b','c'])
ser_obj2 = pd.Series(['a','b','c'],index=ser_obj1.index)
ser_obj2.index is sr_obj1.index

除了泛指的 Index 对象以外，Pandas 还提供了很多 Index 的子类，常见的又如下几种：
( 1 ) Int64Index：针对整数的特 Index 对象。
( 2 ) MultiIndex：层次化索引，表示单个轴上的多层索引。
( 3 ) DatetimeIndex：存储纳秒寄时间戳

重置索引

Pandas 中提供了一个重要的方法是 reindex()

reindex() 方法的语法格式如下：

Dateframe.reindex(lables=None, index=None, columns=None,
				  axis=None, method=None, copy=True, level=None,
				  fill_value=nan, limit=None, tolerance=None)

上述方法的部分参数含义如下：
( 1 ) index：用作索引的新序列。
( 2 ) method：插值填充方式。
( 3 ) fill_value：引入缺失值时使用的替代值。
( 4 ) limit：前向或者后向填充时的最大填充量。

新索引中含有原索引的数据，而原索引数据按照新索引排序，如果新索引中没有原索引数据，那么程序不仅不会报错，而且会添加新的索引，并将值填充为 NaN 或者使用 fil_value() 填充数据

缺失值默认使用NaN填充

ser_obj1 = pd.Series([1,2,3,4,5],index=['c','d','e','f','g'],dtype='int64')

ser_obj2 = ser_obj1.reindex(['a','b','c','d','e','f'])		# 重置索引

如果不想使用NaN填充，可以使用fill_value参数来指定缺失值

ser_obj2 = ser_obj1.reindex(['a','b','c','d','e','f'],fill_value=6)

如果期望使用相邻元素值（前边或者后边元素的值）进行填充，则可以使用 method参数

参数说明ffill 或 pad向前填充值bfill或backfill后向填充值nearest从最近的索引值填充

例：

ser_obj1 = pd.Series([1,3,5,7],index=[0,2,4,6])

ser_obj2 = ser_obj1.reindex(range(6),method='ffill')		# 前向填充值

索引 *** 作 Series的索引 *** 作

和 Numpy 的 ndarray 对象的 *** 作类似

1. 通过 整数索引 索引名 获取数据

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

# 通过整数索引获取数据
ser_obj[2]		# c

# 通过索引名获取数据
ser_obj['a']		# a

2. 索引切片
   可以使用整数索引进行切片，包含起始位置但不包括结束位置。

   也可以使用索引名进行切片，但包括结束位置。

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

# 整数索引切片
ser_obj[0:3]

# 索引名切片
ser_obj['a':'c']

3. 不连续索引

   如果是获取的不连续的数据，可以使用不连续索引

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

ser_obj[[0,2,4]]		# 通过不连续位置索引获取数据集

ser_obj[['a','c','e']]		# 通过不连续索引名称获取数据集

4. 布尔型索引

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

ser_bool = ser_obj>2		# 创建布尔型 Series 对象

ser_obj[ser_bool]		# 获取结果为 True 的数据

Dataframe 的索引 *** 作

Dataframe 结构既包括行索引，也包括列索引。其中，行索引是通过 index 属性进行获取的，列索引是通过 columns 属性获取的

1. 获取列
   Dataframe 中每列的数据都是一个Series对象，我们可以使用列索引进行获取。

arr = np.arange(12).reshape(3,4)
df_obj= pd.Dataframe(arr, columns=['a','b','c','d'])
df_obj

df_obj['b']

如果想要从 Dataframe 中获取多个不连续的 Series 对象，则同样可以使用不连续索引进行实现

df_obj[['b','d']]

Dataframe 支持切片获取Series对象

df_obj[:2]

Dataframe 可以使用切片后再通过索引获取其中的数据

df_obj[:3][['b','d']]

2. loc方法 和iloc方法

loc：基于标签索引（索引名称，如a、b等），用于按标签选取数据。当执行切片 *** 作时，既包含起始索引，也包含结束索引。


iloc：基于位置索引（整数索引，从0到 length-1），用于按位置选取数据。 当执行切片 *** 作时，只包含起始位置，不包含结束位置。

假设，现在有一个 Dataframe 对象，具体代码如下：

arr = np.arange(12).reshape(3,4)
df_obj= pd.Dataframe(arr, columns=['a','b','c','d'])
df_obj

接下来，我们演示如何使用它们来获取列数据

注意：[] 中的第一个参数是行索引，第二个是列索引

1. 获取单列数据

df_obj[:,'a']		# [] 中的第一个参数是行索引，第二个是列索引
df_obj.iloc[:,0]		

上面两个结果相同：

2. 获取多列数据

df_obj[:,['a','c']]
df_obj[:,[0,2]]

上面两个结果相同：

3. 使用花式索引访问数据

df_obj.loc[1:2,['b','c']]
df_obj.iloc[1:3,[1,2]]

它们两个的输出结果也是一样的，具体如下