numpy和pandas的基础索引切片

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

Numpy的索引切片

索引

In [72]: arr = np.array([[[1,1,1],[2,2,2]],[[3,3,3],[4,4,4]]]) In [73]: arr
Out[73]:
array([[[1, 1, 1],
[2, 2, 2]], [[3, 3, 3],
[4, 4, 4]]])In [74]: arr.ndim
Out[74]: 3In [75]: arr.shape
Out[75]: (2, 2, 3)In [76]: arr[0] #返回降低一个维度的数组
Out[76]:
array([[1, 1, 1],
[2, 2, 2]])

In [77]: arr[0,0] #返回一维数组
Out[77]: array([1, 1, 1])

切片

In [78]: arr[:,:,:2]
Out[78]:
array([[[1, 1],
[2, 2]], [[3, 3],
[4, 4]]])

索引与切片结合

array([[[1, 1, 1],
[2, 2, 2]],
[[3, 3, 3],
[4, 4, 4]]])

In [79]: arr[0,1,:2]
Out[79]: array([2, 2])

Pandas的索引切片

一、Series的索引

In [8]: obj = pd.Series(np.arange(4),index=['a','b','c','d']) In [9]: obj
Out[9]:
a 0
b 1
c 2
d 3
dtype: int64

1）使用index进行索引

In [10]: obj['b']
Out[10]: 1In [11]: obj[1]
Out[11]: 1

2）切片

In [12]: obj['b':'d'] #包含尾部
Out[12]:
b 1
c 2
d 3
dtype: int64In [13]: obj[1:3]
Out[13]:
b 1
c 2
dtype: int64

3）使用索引列表进行索引

In [14]: obj[['b','d']]
Out[14]:
b 1
d 3
dtype: int64In [15]: obj[[1,3]]
Out[15]:
b 1
d 3
dtype: int64

二、DataFrame的索引

In [20]: obj = pd.DataFrame(np.arange(16).reshape((4,4)),index=['a','b','c','d'
...: ],columns=['a1','b2','c3','d4'])

In [21]: obj
Out[21]:
a1 b2 c3 d4
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11
d 12 13 14 15

1）索引列

不可以obj[‘a’]了

In [32]: obj['b2']
Out[32]:
a 1
b 5
c 9
d 13
Name: b2, dtype: int64

2）行切片

In [36]: obj[:3]
Out[36]:
a1 b2 c3 d4
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11In [37]: obj[obj['c3']>6] #根据布尔值数组选择数据
Out[37]:
a1 b2 c3 d4
c 8 9 10 11
d 12 13 14 15

3）索引列和行

In [38]: obj['a1']['c']
Out[38]: 8In [39]: obj['a1'][:2]
Out[39]:
a 0
b 4
Name: a1, dtype: int64

4）使用loc和iloc选择数据

使用轴标签（loc）或整数标签（iloc）从DataFrame中选出数组的行和列的子集

整数标签（iloc）：

In [55]: obj
Out[55]:
a1 b2 c3 d4
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11
d 12 13 14 15In [53]: obj.iloc[2,[2,0,1]] #变换列顺序
Out[53]:
c3 10
a1 8
b2 9
Name: c, dtype: int64In [54]: obj.iloc[2] #索引行
Out[54]:
a1 8
b2 9
c3 10
d4 11
Name: c, dtype: int64