Pandas对象的索引

可以对Pandas中的数据对象进行索引，得到数据的一部分。DataFrame和Series对象支持很多种索引方式：

import numpy as np

import pandas as pd

基于中括号的索引和切片

Pandas数据对象可以使用一对中括号“[]”进行索引操作。

在Pandas中，除了数字和字符串，时间序列也可以用来当做标记。日期时间序列可以用函数pd.date_range()创建：

dates = pd.date_range('1/1/2000', periods=8)

dates

DatetimeIndex(['2000-01-01', '2000-01-02', '2000-01-03', '2000-01-04',
               '2000-01-05', '2000-01-06', '2000-01-07', '2000-01-08'],
              dtype='datetime64[ns]', freq='D')

通过指定index参数，可以构建一个基于时间序列的DataFrame对象：

df = pd.DataFrame(np.random.randn(8, 4), 
                  index=dates,
                  columns=['A', 'B', 'C', 'D'])

df

对于Series对象来说，中括号索引标记返回一个标量；对于DataFrame对象来说，中括号索引列标记，返回该列对应的一个Series对象：

s = df['A']

s

2000-01-01   -0.681137
2000-01-02    0.231262
2000-01-03    0.879341
2000-01-04    1.508886
2000-01-05   -1.007768
2000-01-06    1.610657
2000-01-07    0.514324
2000-01-08   -0.972601
Freq: D, Name: A, dtype: float64

s[dates[5]]

1.6106574534144948

中括号索引还支持用列标记列表操作，得到一个DataFrame对象：

df[['A', 'B']]

当列标记的名称是一个合法的Python对象名时，在不跟DataFrame对象自带的方法和属性名冲突的情况下，Pandas会自动将该名称转化为一个属性：

df.C

2000-01-01    0.234236
2000-01-02   -1.485805
2000-01-03   -0.370795
2000-01-04    1.269122
2000-01-05   -1.206941
2000-01-06   -2.295021
2000-01-07    0.464693
2000-01-08    0.908502
Freq: D, Name: C, dtype: float64

Series对象也支持使用标记名称进行属性索引：

sa = pd.Series([1,2,3],index=list('abc'))

sa.b

2

Series对象支持切片操作：

s[:5]

2000-01-01   -0.681137
2000-01-02    0.231262
2000-01-03    0.879341
2000-01-04    1.508886
2000-01-05   -1.007768
Freq: D, Name: A, dtype: float64

s[::2]

2000-01-01   -0.681137
2000-01-03    0.879341
2000-01-05   -1.007768
2000-01-07    0.514324
Freq: 2D, Name: A, dtype: float64

以及高级的切片操作：

s['20000101':'20000103']

2000-01-01   -0.681137
2000-01-02    0.231262
2000-01-03    0.879341
Freq: D, Name: A, dtype: float64

基于位置和标记的高级索引

在中括号索引时，DataFrame对象会存在列索引和行索引混用的情况：

• 单值：索引列。
• 列表：索引多列。
• slice对象：索引多行。

为了避免混淆，DataFrame对象提供了另一套高级索引来处理这些情况。

df

df.loc[dates[1]]

A    0.231262
B    2.145968
C   -1.485805
D    1.616187
Name: 2000-01-02 00:00:00, dtype: float64

日期类型还使用一个字符串进行索引，只要这个字符串符合日期的格式，如：

df.loc['20000102']

A    0.231262
B    2.145968
C   -1.485805
D    1.616187
Name: 2000-01-02 00:00:00, dtype: float64

df.loc['20000102':'20000104']

与数字切片只包含开头不包含结尾的结果不同，.loc属性的行切片结果包含结尾。

.loc属性还可以额外接受列标记进行索引。例如：

df.loc['20000101', 'A']

-0.6811372986010428

df.loc['20000101', ['A', 'C']]

A   -0.681137
C    0.234236
Name: 2000-01-01 00:00:00, dtype: float64

df.loc['20000107':, ['A', 'C']]

.loc属性基于标记对DataFrame对象进行索引，而.iloc属性则基于位置对DataFrame对象进行索引。例如，用.iloc属性索引第二行的数据：

df.iloc[1]

A    0.231262
B    2.145968
C   -1.485805
D    1.616187
Name: 2000-01-02 00:00:00, dtype: float64

df.iloc[1, 0]

0.23126158547402592

与.loc属性不同的是，.iloc的切片不包含最后一个元素。

如果只需要索引单个值，最快速的方法是使用.at索引标记：

df.at[dates[5], 'A']

1.6106574534144948

或者用.iat索引位置：

df.iat[5, 0]

1.6106574534144948

Pandas支持基于布尔值的条件对Series进行进行索引。例如，使用布尔值条件s>0索引，来得到Series对象中所有大于0的值：

s = df["A"]

s[s > 0]

2000-01-02    0.231262
2000-01-03    0.879341
2000-01-04    1.508886
2000-01-06    1.610657
2000-01-07    0.514324
Name: A, dtype: float64

还可以使用取反符号~，使用取反表达式~(s>0)进行索引，得到所有小于等于0的值：

s[~(s > 0)]

2000-01-01   -0.681137
2000-01-05   -1.007768
2000-01-08   -0.972601
Name: A, dtype: float64

DataFrame对象的行也可以通过布尔值条件索引。比如，索引所有A列大于0的行：

df[df["A"] > 0]