天下代碼一大抄, 抄來抄去有提高, 看你會(huì)抄不會(huì)抄！

本系列文章還是引用之前的理念，閱讀文章，你不需要記，只要知道這一篇在講什么即可，收藏起來，用的時(shí)候過來抄代碼。

提前說明，本篇文章代碼演示較多, 建議收藏后在閱讀, 如果能動(dòng)手實(shí)踐效果加倍。

在本篇文章中，我們將深入探討Pandas中的數(shù)據(jù)選擇與過濾技巧，幫助您靈活地提取和操作數(shù)據(jù)。下面是我們將要講解的關(guān)鍵內(nèi)容：

一、關(guān)鍵內(nèi)容

通過掌握本篇文章中介紹的強(qiáng)大索引技巧，您將能夠準(zhǔn)確地選擇和過濾數(shù)據(jù)，根據(jù)需求提取出所需的數(shù)據(jù)子集，為后續(xù)的分析和建模工作提供支持。

1.1 單列選擇：

• 使用標(biāo)簽選擇：使用列標(biāo)簽來選擇單列數(shù)據(jù)。
• 使用位置選擇：使用列的位置索引來選擇單列數(shù)據(jù)。
• 使用布爾索引：根據(jù)布爾條件來選擇單列數(shù)據(jù)。

1.2 多列選擇：

• 使用標(biāo)簽選擇：使用列標(biāo)簽列表來選擇多列數(shù)據(jù)。
• 使用位置選擇：使用列的位置索引列表來選擇多列數(shù)據(jù)。

1.3 行選擇：

• 使用標(biāo)簽選擇：使用行標(biāo)簽來選擇單行數(shù)據(jù)。
• 使用位置選擇：使用行的位置索引來選擇單行數(shù)據(jù)。
• 使用布爾索引：根據(jù)布爾條件來選擇單行或多行數(shù)據(jù)。

1.4 切片選擇：

• 使用標(biāo)簽切片：使用起始和結(jié)束的標(biāo)簽來選擇一定范圍的數(shù)據(jù)。
• 使用位置切片：使用起始和結(jié)束的位置索引來選擇一定范圍的數(shù)據(jù)。

1.5 條件選擇：

• 使用布爾條件：根據(jù)布爾條件來選擇滿足條件的數(shù)據(jù)。
• 使用 isin() 方法：根據(jù)列中的值是否在給定列表中來選擇數(shù)據(jù)。

二、單列選擇

2.1 使用標(biāo)簽選擇

通過[]直接使用列的標(biāo)簽選中列。

2.2 使用位置選擇

• : 符號(hào)代表所有行
• 1:3 代表選擇1,2行
• 列索引也是從0開始，上面A是第一列，所以索引是0

import pandas as pd# 創(chuàng)建示例DataFramedata = {'A': [1, 2, 3, 4, 5],        'B': [6, 7, 8, 9, 10]}df = pd.DataFrame(data)# : 代表所有行, 0代表第一列，等同于Aprint(df.iloc[:, 0])# 1    2# 2    3print(df.iloc[1:3, 0])

2.3 使用布爾索引

三、多列選擇

3.1 使用標(biāo)簽選擇

import pandas as pd# 創(chuàng)建示例DataFramedata = {'A': [1, 2, 3, 4, 5],        'B': [6, 7, 8, 9, 10],        'C': [11, 12, 13, 14, 15]}df = pd.DataFrame(data)# 使用標(biāo)簽選擇多列數(shù)據(jù)#    A   B# 0  1   6# 1  2   7# 2  3   8# 3  4   9# 4  5  10columns_AB = df[['A', 'B']]print(columns_AB)

3.2 使用位置選擇

四、行選擇

4.1 使用標(biāo)簽選擇

為了方便舉例,我們指定了索引是從a-e。

然后使用索引b選中b行

import pandas as pd# 創(chuàng)建示例DataFramedata = {'A': [1, 2, 3, 4, 5],        'B': [6, 7, 8, 9, 10]}df = pd.DataFrame(data, index=['a', 'b', 'c', 'd', 'e'])#    A   B# a  1   6# b  2   7# c  3   8# d  4   9# e  5  10print(df)# 使用標(biāo)簽選擇單行數(shù)據(jù)# A    2# B    7print(df.loc['b'])

4.2 使用位置選擇

如果我們索引指定,那么 df.loc['b'] = df.loc[1]

4.3 使用布爾索引

import pandas as pd# 創(chuàng)建示例DataFramedata = {'A': [1, 2, 3, 4, 5],        'B': [6, 7, 8, 9, 10]}df = pd.DataFrame(data)# 使用布爾索引選擇單行或多行數(shù)據(jù)rows_A_greater_3 = df['A'] > 3# 0    False# 1    False# 2    False# 3     True# 4     Trueprint(rows_A_greater_3)filtered_data = df[rows_A_greater_3]#    A   B# 3  4   9# 4  5  10print(filtered_data)

五、切片選擇

5.1 使用標(biāo)簽切片

• a:b 就是包括a，包括b，以及他們中間的索引。

5.2 使用位置切片

• 1:3 就是包括1，不包括3，以及他們中間的索引。

import pandas as pd# 創(chuàng)建示例 DataFramedata = {'A': [1, 2, 3, 4, 5],        'B': [6, 7, 8, 9, 10],        'C': [11, 12, 13, 14, 15]}df = pd.DataFrame(data)#    A   B   C# 0  1   6  11# 1  2   7  12# 2  3   8  13# 3  4   9  14# 4  5  10  15print(df)# 使用行索引切片選擇子集數(shù)據(jù)#    A  B   C# 1  2  7  12# 2  3  8  13subset = df[1:3]print(subset)

六、條件選擇

6.1 布爾條件

6.2 isin() 方法

import pandas as pd# 創(chuàng)建示例DataFramedata = {'A': ['apple', 'banana', 'cherry', 'apple', 'banana'],        'B': [6, 7, 8, 9, 10]}df = pd.DataFrame(data)# 使用 `isin()` 方法根據(jù)列中的值選擇數(shù)據(jù)fruits = ['apple', 'banana']filtered_data = df[df['A'].isin(fruits)]#         A   B# 0   apple   6# 1  banana   7# 3   apple   9# 4  banana  10print(filtered_data)

文章內(nèi)容較多，建議收藏后，慢慢觀看，你的關(guān)注是我繼續(xù)的動(dòng)力。