pandas主要的兩個(gè)數(shù)據(jù)結(jié)構(gòu)是：series（相當(dāng)于一行或一列數(shù)據(jù)機(jī)構(gòu)）和DataFrame（相當(dāng)于多行多列的一個(gè)表格數(shù)據(jù)機(jī)構(gòu)）。

本文為了方便理解會(huì)與excel或者sql操作行或列來(lái)進(jìn)行聯(lián)想類比

1.重新索引：reindex和ix

上一篇中介紹過(guò)數(shù)據(jù)讀取后默認(rèn)的行索引是0,1，2,3...這樣的順序號(hào)。列索引相當(dāng)于字段名(即第一行數(shù)據(jù))，這里重新索引意思就是可以將默認(rèn)的索引重新修改成自己想要的樣子。

1.1 Series

比方說(shuō)：data=Series([4,5,6],index=['a','b','c'])，行索引為a,b,c。

我們用data.reindex(['a','c','d','e'])修改索引后則輸出：

可以理解成我們用reindex設(shè)了索引后，根據(jù)索引去原來(lái)data里面匹配對(duì)應(yīng)的值，沒(méi)匹配上的就是NaN。

1.2 DataFrame

（1）行索引修改：DataFrame行索引同Series

（2）列索引修改：列索引用reindex(columns=['m1','m2','m3']),用參數(shù)columns來(lái)指定對(duì)列索引進(jìn)行修改。修改邏輯類似行索引，也是相當(dāng)于用新列索引去匹配原來(lái)的數(shù)據(jù)，沒(méi)匹配上的置NaN

例：

（3）同時(shí)對(duì)行和列索引進(jìn)行修改可以用

2.丟棄指定軸上的列（通俗的說(shuō)法就是刪除行或者列）:drop

通過(guò)索引進(jìn)行選擇刪除哪一行或者哪一列

data.drop(['a','c']) 相當(dāng)于delete table a where xid='a' or xid='c'

data.drop('m1',axis=1)相當(dāng)于delete table a where yid='m1'

3.選取和過(guò)濾（通俗的說(shuō)就是sql中按照條件篩選查詢）

python中因?yàn)橛行辛兴饕谧鰯?shù)據(jù)的篩選會(huì)比較方便

3.1 Series

（1）按照行索引進(jìn)行選擇如

obj['b']相當(dāng)于select * from tb where xid='b'obj['b','a','c']相當(dāng)于select * from tb where xid in ('a','b','c')，且結(jié)果按照b ,a ,c 的順序排列后進(jìn)行展示，這是與sql的區(qū)別obj[0:1]和obj['a':'b']的區(qū)別如下：

#前者是不包含末端，后者是包含了末端

（2）按照值的大小進(jìn)行篩選obj[obj>-0.6]相當(dāng)于在obj數(shù)據(jù)中找出值比-0.6大的記錄進(jìn)行展示

3.2 DataFrame

（1）選擇單行用ix或者xs：

如篩選索引為b的那條行記錄用以下三種方式

（2）選擇多行:

篩選索引為a,b的兩條行記錄的方式

#以上不能直接寫(xiě)成data[['a','b']]

data[0:2]表示從第一行到第二行的記錄。第一行默認(rèn)從0開(kāi)始數(shù)，不包含末端的2。

（3）選擇單列

篩選m1列的所有行記錄數(shù)據(jù)

（4）選擇多列

篩選m1,m3兩個(gè)列，所有行記錄的數(shù)據(jù)

ix[:,['m1','m2']]前面的：表示所有的行都篩選進(jìn)來(lái)。

（5）根據(jù)值的大小條件篩選行或者列

如篩選出某一列值大于4的所有記錄相當(dāng)于select * from tb where 列名>4

（6）如果篩選某列值大于4的所有記錄，且只需展示部分列的情況時(shí)

行用條件進(jìn)行篩選，列用[0,2]篩選第一列和第三列的數(shù)據(jù)

總結(jié)

以上所述是小編給大家介紹的pandas數(shù)據(jù)處理基礎(chǔ)之篩選指定行或者指定列的數(shù)據(jù)，希望對(duì)大家有所幫助，如果大家有任何疑問(wèn)請(qǐng)給我留言，小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)腳本之家網(wǎng)站的支持！

最新評(píng)論