pandas_rui_sql.zip

import pandas as pd # 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，例如从表中取出姓名一列： df = pd.read_csv('D:/pandas_rui/joyful-pandas/data/learn_pandas.csv', usecols=['School', 'Grade', 'Name', 'Gender', 'Weight', 'Transfer']) print(df['Name'].head()) # 返回值为Series # 0 Gaopeng Yang # 1 Changqiang You # 2 Mei Sun # 3 Xiaojuan Sun # 4 Gaojuan You # Name: Name, dtype: object # 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： print(df[['Gender', 'Name']].head()) # 返回值为一个DataFrame # Gender Name # 0 Female Gaopeng Yang # 1 Male Changqiang You # 2 Male Mei Sun # 3 Female Xiaojuan Sun # 4 Male Gaojuan You # 此外，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： print(df.Name.head()) # 列名中不包含空格 # 0 Gaopeng Yang # 1 Changqiang You # 2 Mei Sun # 3 Xiaojuan Sun # 4 Gaojuan You # Name: Name, dtype: object # 2. 序列的行索引 # 【a】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 = pd.Series([1, 2, 3, 4, 5, 6], index=['a', 'b', 'a', 'a', 'a', 'c']) # Series第一个参数一直都是列表 VS DataFrame是字典列表 print(s) print(s['a']) # a 1 # a 3 # a 4 # a 5 # dtype: int64 print(s['b']) # 2 # 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']] # c 6 # b 2 # dtype: int64 # 如果想要取出某两个索引之间的元素，并且这两个索引是在整个索引中唯一出现，则可以使用切片,，同时需要注意这里的切片会包含两个端点： print(s['c': 'b': -2]) # 包含两个端点 # c 6 # a 4 # b 2 # dtype: int64 print(s['b': 'c':2]) # 包含两个端点 # b 2 # a 4 # c 6 # dtype: int64 # 如果前后端点的值重复出现，那么需要经过排序才能使用切片： try: s['a': 'b'] except Exception as e: Err_Msg = e print(Err_Msg) # KeyError("Cannot get left slice bound for non-unique label: 'a'") print(s.sort_index()['a': 'b']) # a 1 # a 3 # a 4 # a 5 # b 2 # dtype: int64 # 【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] # 1 a # 1 c # dtype: object # s[[2,3]] # 2 d # 3 b # dtype: object # 如果使用整数切片，则会取出对应索引位置的值，注意这里的整数切片同Python中的切片一样不包含右端点： print(s[1:-1:2]) # 不包含右端点 # 3 b # 2 d # dtype: object # 【WARNING】关于索引类型的说明 # 如果不想陷入麻烦，那么请不要把纯浮点以及任何混合类型（字符串、整数、浮点类型等的混合）作为索引，否则可能会在具体的操作时报错或者返回非预期的结果，并且在实际的数据分析中也不存在这样做的动机。 # 【END】 # 3. loc索引器 # 前面讲到了对DataFrame的列进行选取，下面要讨论其行的选取。 # 对于表而言，有两种索引器， # 一种是基于元素的loc索引器， 元素 # 另一种是基于位置的iloc索引器。 整数 # 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，下面将依次说明。 # 为了演示相应操作，先利用set_index方法把Name列设为索引，关于该函数的其他用法将在多级索引一章介绍。 df_demo = df.set_index('Name') print(df_demo.head()) # School Grade Gender Weight Transfer # Name # Gaopeng Yang Shanghai Jiao Tong University Freshman Female 46.0 N # Changqiang You Peking University Freshman Male 70.0 N # Mei Sun Shanghai Jiao Tong University Senior Male 89.0 N # Xiaojuan Sun Fudan University Sophomore Female 41.0 N # Gaojuan You Fudan University Sophomore Male 74.0 N # 【a】*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： print(df_demo.loc['Qiang Sun']) # 多个人叫孙强 该元素在索引中重复则结果为DataFrame 基于元素的loc索引器，行 # School Grade Gender Weight Transfer # Name # Qiang Sun Tsinghua University Junior Female 53.0 N # Qiang Sun Tsinghua University Sophomore Female 40.0 N # Qiang Sun Shanghai Jiao Tong University Junior Female NaN N print(df_demo.loc['Quan Zhao']) # 赵权唯一 该元素在索引中唯一则结果为Series 基于元素的loc索引器，行 # School Shanghai Jiao Tong University # Grade Junior # Gender Female # Weight 53.0 # Transfer N # Name: Quan Zhao, dtype: object # 也可以同时选择行和列： print(df_demo.loc['Qiang Sun', 'School']) # 返回Series 基于元素的loc索引器，行 列 # Name # Qiang Sun Tsinghua University # Qiang Sun Tsinghua University # Qiang Sun Shanghai Jiao Tong University # Name: School, dtype: object print(df_demo.loc['Quan Zhao', 'School']) # 返回单个元素 基于元素的loc索引器，行 列 # 'Shanghai Jiao Tong University' # 【b】*为元素列表 # 此时，取出列表中所有元素值对应的行或列： print(df_demo.loc[['Qiang Sun', 'Quan Zhao'], ['School', 'Gender']]) # 取特定多行多列 # School Gender # Name # Qiang Sun Tsinghua University Female # Qiang Sun Tsinghua University Female # Qiang Sun Shanghai Jiao Tong University Female # Quan Zhao Shanghai Jiao Tong University Female # 【c】*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： print(df_demo.loc['Gaojuan You':'Gaoqiang Qian', 'School':'Gender']) # School Grade Gender # Name # Gaojuan You Fudan University Sophomore Male # Xiaoli Qian Tsinghua University Freshman Female # Qiang Chu Shanghai Jiao Tong University Freshman Female # Gaoqiang Qian Tsinghua University Junior Female # 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。 df_loc_slice_demo = df_demo.copy() df_loc_slice_demo.index = range(df_demo.shape[0], 0, -1) print(df_loc_slice_demo.loc[5:3]) # School Grade Gender Weight Transfer # 5 Fudan University Junior Female 46.0 N # 4 Tsinghua University Senior Female 50.0 N # 3 Shanghai Jiao Tong University Senior Female 45.0