Python拍了拍你,一份【同时选择行列方法】的盘点送给你

Python拍了拍你,一份【同时选择行列方法】的盘点送给你

文末领取【Python基础知识思维导图】

前置知识补充:

  • 布尔索引:指的是通过传入一个判断条件来选择数据的方式,称之为布尔索引

  • 普通索引:通过选择行/列名来选择数据的方式,称为普通索引

  • 位置索引:通过传入具体的位置来选择数据的方式称为位置索引

  • 切片索引:通过传入一个位置区间来获取数据的方式,称为切片索引

准备示例数据:

# 创建一个Serise —— 传入一个字典②
d= {
    'name':['qinlu','lulu','qinqin','junjun'],
    'sex':['male','male','female','male'],
    'age':[18,19,22,25]
}

s= pd.DataFrame(d,index = ['A1','A2','A3','A4'])
s

-- 输出结果:
name  sex  age
A1  qinlu  male  18
A2  lulu  male  19
A3  qinqin  female  22
A4  junjun  male  25


方式一

布尔索引 + 普通索引选择指定的行和列

布尔索引 + 普通索引是先对表进行布尔索引选择行,然后通过普通索引选择列:


#case1:zjh-98
s[s['age']<=22] [['name','age']]
-- 输出结果:
name  age
A1  qinlu  18
A2  lulu  19
A3  qinqin  22

# 找到符合条件的行 —— 得到数据结构,其实本身也是个数据框
# 然后再在这个数据行下,选择我们需要的列即可,因此,就完成了,对指定行、列进行选择;

# case2:
# 在以上基础上,只选择某一列,数据结构就变成了Series;
s[s['age']<=22].name
-- 输出结果:
A1     qinlu
A2      lulu
A3    qinqin
Name: name, dtype: object

# case3:
# 行、列索引放在同一个[]中,对行列同时选择:
s.loc[s['age']<= 22,['name','age']]

-- 输出结果:
name  age
A1  qinlu  18
A2  lulu  19
A3  qinqin  22

注意需要使用loc,不能使用iloc,否则会出现以下报错:
# 英:ValueError: Location based indexing can only have [integer, integer slice (START point is INCLUDED, END point is EXCLUDED), listlike of integers, boolean array] types汉:基于位置的索引只能具有[整数,整数切片(起始点为INCLUDED,结束点为EXCLUDED),类似整数的列表,布尔数组)类型

讲完普通索引,我们再来讲,使用“切片索引 + 切片索引”来选择指定行和列的方式。

方式二

切片索引 + 切片索引选择指定的行和列

切片索引 + 切片索引是同时传入行、列索引的位置区间进行数据选择。

# 选择第1行到第3行,第1列到第2列
s.iloc[0:3,0:3]

-- 输出:
name  sex  age
A1  qinlu  male  18
A2  lulu  male  19
A3  qinqin  female  22

-- 常见错误1:
s.iloc[[0:3],[0:3]]
# 行列切片加上[]会出现报错, SyntaxError: invalid syntax/无效的语法

-- 常见错误2:
s.loc[0:3,0:3]]
# 位置索引注意需要使用iloc,不能使用loc,否则会出现以下报错:英:cannot do slice indexing on <class 'pandas.core.indexes.base.Index'> with these indexers [0] of <class 'int'>; / 汉:无法使用<class'int'>的这些索引器[0]在<class'pandas.core.indexes.base.Index'>上进行切片索引

方式三

切片索引 + 普通索引选择指定的行和列

结论:新版本的Jupyter Notebook,目前已经不支持"ix"了!

如果是普通索引,就直接传入行或列名,用loc方法即可;如果是切片索引,也就是传入行或列名,用iloc方法即;如果是切片索引 + 普通索引,也就是行(列)用切片索引,列(行)用切片索引,列(行)用普通索引,看是否能够选择成功:

# case1:使用iloc发生报错
s.iloc[0:3,['name','age']]

-- 输出报错:
# 报错:英:IndexError: .iloc requires numeric indexers, got ['name' 'age'];汉:iloc需要数字索引器,得到['name''age']
# 原因分析:当使用行(列)名称索引时,不能使用iloc方法;若使用iloc,必须要求行或列都严格使用数字或者切片进行索引;

# case2:使用loc出现报错
s.loc[0:3,['name','age']]
-- 报错:
#报错:英:TypeError: cannot do slice indexing on <class 'pandas.core.indexes.base.Index'> with these indexers [0] of <class 'int'> / 中:TypeError:无法使用<class'int'>的这些索引器[0]在<class'pandas.core.indexes.base.Index'>上进行切片索引

# 原因分析:有数字/切片的索引不能使用loc

# case3:使用ix出现报错
s.ix[0:3,['name','age']]
# 报错:英:AttributeError:“ DataFrame”对象没有属性“ ix”;/汉:AttributeError:“ DataFrame”对象没有属性“ ix”

# 原因分析:新版本的anconda目前已经不支持"ix"了!

方式四

位置索引 + 位置索引选择指定行和列


# 位置索引:选择第1,4行,第1,3列
s.iloc[[0,3],[0,2]]

-- 输出结果:
name  age
A1  qinlu  18
A4  junjun  25

# case1:索引超出
s.iloc[[1,2],[2,3]]
# 报错:IndexError: positional indexers are out-of-bounds/汉:IndexError:位置索引器超出范围;

# case2:s.loc[[0,3],[0,2]]
# 报错:KeyError: "None of [Int64Index([0, 3], dtype='int64')] are in the [index]"/ 中文:KeyError:“ [Int64Index([0,3],dtype ='int64')]都不在[索引]中”

# 原因分析:当使用位置索引 + 位置索引选择指定行和列时,需要利用iloc方法传入行列位置


方式五

普通索引 + 普通索引选择指定行和列

# 普通索引 + 普通索引就是通过同时传入行和列的索引名称进行数据选择,需要用到loc方法;
s.loc[['A1','A2','A4'],['name','age']]

-- 输出结果:

name  age
A1  qinlu  18
A2  lulu  19
A4  junjun  25

# 报错:s.iloc[['A1','A2','A4'],['name','age']];英文:IndexError: .iloc requires numeric indexers, got ['A1' 'A2' 'A4']

原因分析:当使用普通索引 + 普通索引选择指定行和列时,不能使用iloc

End.

作者:爱数据小辉

本文为中国统计网原创,转载请联系后台

上一篇:Python pandas.DataFrame.iloc函数方法的使用


下一篇:《Python数据分析与挖掘实战》第10章(下)——DNN2 筛选得“候选洗浴事件”3 构建模型