一、对 DataFrame 进行索引 会检索出单个值、序列、一列或多个列的值。
import numpy as np
import pandas as pd
data = pd.DataFrame(np.arange(16).reshape((4, 4)),
index=["Ohio", "Colorado", "Utah", "New York"],
columns=["one", "two", "three", "four"])
print(data)
#根据列标签索引检索1列
print(data["two"])
#根据列标签索引序列检索多列
print(data[["three", "one"]])
#根据行索引进行切片 输出row 0和1
print(data[:2])
#使用boolean数组进行切片（通过标量比较得到bool数组）,以下输出所有行中列标签three对应的值大于5的切片
print(data[data["three"] > 5])注意看上面代码中的注释。输出结果如下：
data对象结果：
| one | two | three | four | |
|---|---|---|---|---|
| Ohio | 0 | 1 | 2 | 3 |
| Colorado | 4 | 5 | 6 | 7 |
| Utah | 8 | 9 | 10 | 11 |
| New York | 12 | 13 | 14 | 15 |
data["two"]结果：
Ohio 1
Colorado 5
Utah 9
New York 13
Name: two, dtype: int32
data[["three", "one"]]结果：
| three | one | |
|---|---|---|
| Ohio | 2 | 0 |
| Colorado | 6 | 4 |
| Utah | 10 | 8 |
| New York | 14 | 12 |
data[:2]输出结果：
| one | two | three | four | |
|---|---|---|---|---|
| Ohio | 0 | 1 | 2 | 3 |
| Colorado | 4 | 5 | 6 | 7 |
data[data["three"] > 5] 输出结果：
| one | two | three | four | |
|---|---|---|---|---|
| Colorado | 4 | 5 | 6 | 7 |
| Utah | 8 | 9 | 10 | 11 |
| New York | 12 | 13 | 14 | 15 |
对DataFrame对象data的每个元素进行标量比较运算可以得到一个值为Boolean型的新对象，列如：data < 5 输出
| one | two | three | four | |
|---|---|---|---|---|
| Ohio | True | True | True | True |
| Colorado | True | False | False | False |
| Utah | False | False | False | False |
| New York | False | False | False | False |
这样，我们可以使用这种方式将值 0 分配给值为 True 的每个位置，如下：
data[data < 5] = 0 打印输出data看下
| one | two | three | four | |
|---|---|---|---|---|
| Ohio | 0 | 0 | 0 | 0 |
| Colorado | 0 | 5 | 6 | 7 |
| Utah | 8 | 9 | 10 | 11 |
| New York | 12 | 13 | 14 | 15 |
data对象位置上小于5的值都赋值为0了。
二、使用 loc 和 iloc 在 DataFrame 上选择
与 Series 一样，DataFrame 具有特殊属性 loc 和 iloc，分别用于基于标签和基于整数的索引。由于 DataFrame 是二维的，因此我们可以使用轴标签 （loc） 或整数 （iloc） 用类似 NumPy 的表示法选择行和列的子集。
对于上面的data对象，data.loc["Colorado"] 使用行标签选择一行，选择单行输出的结果是一个Series，其索引是 DataFrame 的列标签。如下输出：
one 0
two 5
three 6
four 7
Name: Colorado, dtype: int32
传递给loc一个行标签序列，可以选择多行，输出结果是新创建的 DataFrame对象：
data.loc[["Colorado", "New York"]] 输出一个新DataFrame对象
| one | two | three | four | |
|---|---|---|---|---|
| Colorado | 0 | 5 | 6 | 7 |
| New York | 12 | 13 | 14 | 15 |
我们还可以通过用逗号分隔选择项来组合 loc 中的行和列选择，例如：
data.loc["Colorado", ["two", "three"]] 输出结果：
two 5
three 6
Name: Colorado, dtype: int32
我们还可以使用iloc来检索或切片数据，但在iloc传递的是整数（即标签的序号）。
data.iloc[2] 输出：
one 8
two 9
three 10
four 11
Name: Utah, dtype: int32
data.iloc[[2, 1]] 输出：
| one | two | three | four | |
|---|---|---|---|---|
| Utah | 8 | 9 | 10 | 11 |
| Colorado | 0 | 5 | 6 | 7 |
data.iloc[2, [3, 0, 1]] 输出：
four 11
one 8
two 9
Name: Utah, dtype: int32
data.iloc[[1, 2], [3, 0, 1]] 输出：
| four | one | two | |
|---|---|---|---|
| Colorado | 7 | 0 | 5 |
| Utah | 11 | 8 | 9 |
loc和iloc函数除了使用单个标签或标签列表进行索引之外，这两个索引函数都适用于切片：
data.loc[:"Utah", "two"] 其中 : :"Utah"表示从data对象的第0行到"Utah"所在的行，"two"表示取改列。输出结果如下：
Ohio 0
Colorado 5
Utah 9
Name: two, dtype: int32
data.iloc[:, :3][data.three > 5] 输出：
| one | two | three | |
|---|---|---|---|
| Colorado | 0 | 5 | 6 |
| Utah | 8 | 9 | 10 |
| New York | 12 | 13 | 14 |
布尔数组可以与 loc 一起使用，但不能与 iloc 一起使用：
data.loc[data.three >= 2] 输出结果：
| one | two | three | four | |
|---|---|---|---|---|
| Colorado | 0 | 5 | 6 | 7 |
| Utah | 8 | 9 | 10 | 11 |
| New York | 12 | 13 | 14 | 15 |
有多种方法可以选择和重新排列 pandas 对象中包含的数据。对于 DataFrame下面列表提供了多种常用的索引方式。
三、整数索引陷阱
对于新手来说，使用由整数索引的 pandas 对象可能是一个绊脚石，因为它们的工作方式与内置 Python 数据结构（如列表和元组）不同。例如，我们会不希望以下代码生成错误：
ser = pd.Series(np.arange(3.)) 我们用整数 -1 索引数据 ser[-1] 会发生如下错误：
ValueError: -1 is not in range
The above exception was the direct cause of the following exception:
Traceback (most recent call last):
File "d:\Softs\python-workspace\pydata_ana\test.py", line 6, in <module>
ser[-1]
~~~^^^^
File "D:\Softs\Python311\Lib\site-packages\pandas\core\series.py", line 1121, in __getitem__
return self._get_value(key)
^^^^^^^^^^^^^^^^^^^^
File "D:\Softs\Python311\Lib\site-packages\pandas\core\series.py", line 1237, in _get_value
loc = self.index.get_loc(label)
^^^^^^^^^^^^^^^^^^^^^^^^^
File "D:\Softs\Python311\Lib\site-packages\pandas\core\indexes\range.py", line 415, in get_loc
raise KeyError(key) from err
KeyError: -1
但是，对于非整数索引，则没有这种歧义，例如：
ser2 = pd.Series(np.arange(3.), index=["a", "b", "c"]) 用 ser2[-1] 进行索引数据，正常输出2.0，即这种情况下，-1表示输出倒数第一个。对于上面的Series对象ser，可以使用iloc来索引最后一个元素：ser.iloc[-1] 正常输出2.0，不会返回上面的错误。
另一种情况，使用整数切片也可实现正常选择，对于上面的ser对象：
ser[-3:-1] 输出：
0 0.0
1 1.0
dtype: float64
由于整数索引存在这些陷阱，我们最好始终首选使用 loc 和 iloc 进行索引，以避免歧义。
链式索引的缺陷
在上面内容，我们学习了如何使用 loc 和 iloc 在 DataFrame 上进行灵活选择。这些索引属性还可用于就地修改 DataFrame 对象，但这样做也需要小心。
例如，在上面的DataFrame示例对象data中，我们可以按标签或整数位置为列或行赋值：
data.loc[:, "one"] = 1 输出：
| one | two | three | four | |
|---|---|---|---|---|
| Ohio | 1 | 0 | 0 | 0 |
| Colorado | 1 | 5 | 6 | 7 |
| Utah | 1 | 9 | 10 | 11 |
| New York | 1 | 13 | 14 | 15 |
将row索引为2的行赋值为5：data.iloc[2] = 5 输出：
| one | two | three | four | |
|---|---|---|---|---|
| Ohio | 1 | 0 | 0 | 0 |
| Colorado | 1 | 5 | 6 | 7 |
| Utah | 5 | 5 | 5 | 5 |
| New York | 1 | 13 | 14 | 15 |
将four列值大于5所在的行赋值为3： data.loc[data["four"] > 5] = 3 输出：
| one | two | three | four | |
|---|---|---|---|---|
| Ohio | 1 | 0 | 0 | 0 |
| Colorado | 3 | 3 | 3 | 3 |
| Utah | 5 | 5 | 5 | 5 |
| New York | 3 | 3 | 3 | 3 |
如果你想将three列等于5的行，并且想该行第three列的值赋值为6，使用这行代码
data.loc[data.three == 5]["three"] = 6 将会引发一个警告并阻止代码的运行：
SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy data.loc[data.three == 5]["three"] = 6
建议使用 .loc[row_indexer,col_indexer] = value 方式
用data.loc[data.three == 5, "three"] = 6 输出：
| one | two | three | four | |
|---|---|---|---|---|
| Ohio | 1 | 0 | 0 | 0 |
| Colorado | 3 | 3 | 3 | 3 |
| Utah | 5 | 5 | 6 | 5 |
| New York | 3 | 3 | 3 | 3 |
一个好的经验法则是在执行赋值时避免链式索引。如果感兴趣深入了解，我建议您参考学习在线 pandas 文档中的这个主题。
下一次接着学习 算术运算和数据对齐