python数据框切片_[Python]经验总结1：数据框的切片

文章目录

原生风格

切片单列

切片多列

切片行

pandas 风格切片

df.loc["indexes", "columns"] 基于行、列的名称切片

df.iloc["indexes", "columns"] 基于行、列的索引切片

每个人都知道 Python 是一种高效、简洁、优雅的语言。然而 Python 也有很多坑&＃xff0c;现在老宅开一个新系列&＃xff0c;分享老宅在学习和实践中总结的经验和教训&＃xff0c;不定期分享。

第一个经验就是要吐槽 总结数据框的切片。Python 有很多第三方的模块(比如 pandas 这样的数据科学神器)&＃xff0c;对提升 Python 的实用性贡献很大。然而模块多就有一个副作用&＃xff1a;语法的不一致性。老宅在学习 pandas 的过程中就被数据框切片的复杂语法搞得挠头。

本文参考了 http://chris.friedline.net/2015-12-15-rutgers/lessons/python2/02-index-slice-subset.html&＃xff0c;特此致谢。

数据框的切片&＃xff0c;是在列表的切片的基础上发展起来的。不过列表是一维&＃xff0c;数据框是二维&＃xff0c;因此数据框切片有自己独特的方法。所以数据框的切片有两个风格&＃xff1a;原生风格和 pandas 风格(这两个风格是老宅自己总结的…)。在总结以前&＃xff0c;我们先构建数据集&＃xff1a;

>>> import pandas as pd

>>> from sklearn.datasets import load_iris # 载入 iris 数据集模块

>>> iris &＃61; pd.DataFrame(load_iris()["data"]) # 载入 iris 数据集并转化为列表

>>> iris.columns &＃61; ["sepal_length", "sepal_width",

... "petal_length", "petal_width"] # 定义列名

>>> from string import ascii_lowercase # 载入字母表

>>> idx &＃61; []

>>> for i in ascii_lowercase:

... for j in ascii_lowercase:

... idx.append(i &＃43; j)

# 创建字母表排列组合

>>> iris.index &＃61; idx[:150] # 定义行名

>>> iris.head()

sepal_length

sepal_width

petal_length

petal_width

aa

5.1

3.5

1.4

0.2

ab

4.9

3.0

1.4

0.2

ac

4.7

3.2

1.3

0.2

ad

4.6

3.1

1.5

0.2

ae

5.0

3.6

1.4

0.2

原生风格

切片单列

df.column 方法

直接在数据框后面使用 . 连接列名。例如&＃xff1a;

>>> iris.sepal_length[1:5]

ab 4.9

ac 4.7

ad 4.6

ae 5.0

Name: sepal_length, dtype: float64

这个方法不需要用 "" 括上列&＃xff0c;非常方便。不过这样有个潜在的局限&＃xff1a;如果列名里有空格&＃xff0c;这个方法就不好用了&＃xff0c;就要用下面的方法。

df["column"] 方法

这个方法的好处是引号内可以有特殊符号&＃xff0c;比如空格。这样切片稍微麻烦一点&＃xff0c;但是还可以接受。

df[["column"]] 方法

这个方法与上面一样都用来切片单列。有什么不同呢&＃xff1f;请看下面的例子&＃xff1a;

>>> iris["sepal_length"][1:5]

ab 4.9

ac 4.7

ad 4.6

ae 5.0

Name: sepal_length, dtype: float64

>>> iris[["sepal_length"]][1:5]

sepal_length

ab

4.9

ac

4.7

ad

4.6

ae

5.0

单中括号和双中括号的区别在于单中括号返回的是序列&＃xff0c;而双中括号返回的是数据框。

切片多列

df[["column1", "columns2"...]] 方法

因为多个列组合在一起是一个数据框&＃xff0c;所以必须使用双中括号来切片。列名要用引号括起来。

df[list] 方法

这里就体现出不一致性了&＃xff1a;假如我们先将想要切片的列放入一个列表&＃xff0c;就可以使用单中括号&＃xff0c;而且不需要使用引号。

>>> lst &＃61; ["sepal_length","petal_length"]

>>> iris[lst].head()

sepal_length

petal_length

aa

5.1

1.4

ab

4.9

1.4

ac

4.7

1.3

ad

4.6

1.5

ae

5.0

1.4

切片行

使用索引切片

哪怕数据框的行已经有的自定义索引名&＃xff0c;照样可以使用数字 0 - ~ 切片。

>>> iris[1:5]

sepal length

sepal width

petal length

petal width

ab

4.9

3.0

1.4

0.2

ac

4.7

3.2

1.3

0.2

ad

4.6

3.1

1.5

0.2

ae

5.0

3.6

1.4

0.2

使用行名切片

>>> iris["ae":"ag"]

sepal_length

sepal_width

petal_length

petal_width

ae

5.0

3.6

1.4

0.2

af

5.4

3.9

1.7

0.4

ag

4.6

3.4

1.4

0.3

行切片还有一个列切片不具备的功能&＃xff1a;切片连续的行。如果数据框的行名和列名不一致&＃xff0c;pandas 会自动判断你在切片行还是列。如果一致嘛…pandas 就不知所措了。这时候就要用到下面的 pandas 风格切片。

pandas 风格切片

df.loc[“indexes”, “columns”] 基于行、列的名称切片

注意行和列都是用的复数形式&＃xff0c;意味着可以同时切片多行或多列。同时也可以切片范围内的行或列&＃xff0c;使用 : 即可。

>>> iris.loc["ae":"ag", ["sepal_length","petal_length"]]

sepal_length

petal_length

ae

5.0

1.4

af

5.4

1.7

ag

4.6

1.4

想切片全部的行或列&＃xff0c;只需要单独使用 : 即可。

iris.loc["ae":"ag", :] # 切片全部列

sepal_length

sepal_width

petal_length

petal_width

ae

5.0

3.6

1.4

0.2

af

5.4

3.9

1.7

0.4

ag

4.6

3.4

1.4

0.3

df.iloc[“indexes”, “columns”] 基于行、列的索引切片

也可以基于行或列的数字索引切片&＃xff0c;具备 loc 的一切结构和性质。

>>> iris.iloc[1:3, 0:2]

sepal_length

sepal_width

ab

4.9

3.0

ac

4.7

3.2

好了&＃xff0c;总结完毕&＃xff0c;困觉觉去了~