今天来学习pandas中非常重要的内容——数据的选择和赋值。

普通索引和切片

为了演示方便，首先创建一个DataFrame

选取"甲"列数据，注意此方法对行索引无效，即df['A']报错

同时选取"甲"列和"丙"列，注意参数为一个列表

前三行

loc、iloc、at、iat

虽然普通的索引和切片能够满足我们的大部分需求，但是在数据获取方面，使用pandas中的四种方法——loc、iloc、at和iat更加方便。

获取"A"行数据

获取"A"行到"D"行的数据，支持切片

获取"A"行到"D"行的"乙"列数据

获取"A"行到"D"行的"甲"列和"丙"列数据

获取"A"行和"D"行，注意传入的必须是列表

获取第二行

获取前三行

获取1、2、4行，和numpy中的花式索引类似

获取1、2、4行和1、2、3列组成的DataFrame

先来对loc和iloc做个简单的总结：loc和iloc都可以获取DataFrame的行，loc是通过索引index的名称、而iloc是通过索引index所在的行数，如果想要获取某一数据，使用iloc

获取"B"行"丙"列

虽然第二种方法也可以实现同样功能，但是没有第一种直观

再来对at和iat做个总结：和loc与iloc的对应关系一样，at和 iat都可以获取某一数据，但是at只能通过行索引和列索引的名字来获取，而iat则只能通过行索引和列索引所在行列数获取。

布尔索引

把数据中大于12的数据显示出来，其它的设为无效值。

把"甲"列大于10的行取出来

内容为13、23所在的位置为True、其它地方为False

"丁"列内容为13、23所在的位置为True、其它地方为False

把"丁"列数据等于13或23的行取出来，这种做法在数字不连续的情况下非常实用。

从上面的例子可以看出，布尔索引就是把值为True的地方取出来，值为False的地方扔掉。

赋值

赋值的过程和数据的获取过程差不多，只不过赋值是把一个新的数据赋给获取到的数据而已，我就不再多废话了。

下期再见，祝有个好心情！！！

python小白联盟