Python pandas基本功能

基本功能

本节将会指引你了解与Series或DataFrame中数据交互的基础机制。

1、重建索引

reindex是pandas对象的重要方法，该方法用于创建一个符合新索引的新对象。考虑下面的例子：

Series调用reindex方法时，会将数据按照新的索引进行排列，如果某个索引值之前并不存在，则会引入缺失值：

在DataFrame中，reindex可以改变行索引、列索引，也可以同时改变二者。当仅传入一个序列时，结果中的行会重建索引：

列可以使用columns关键字重建索引：

2、轴向上删除条目

如果已经拥有索引数组或不含条目的列表，在轴向上删除一个或更多的条目就非常容易，但这样需要一些数据操作和集合逻辑，drop方法会返回一个含有指示值或轴向上删除值的新对象：

在DataFrame中，索引值可以从轴向上删除。为了表明这个特性，首先创建一个示例DataFrame：

在调用drop时使用标签序列会根据行标签删除值（轴0）：

可以通过传递axis=1或axis=’columns’来从列中删除值：

3、索引、选择与过滤

Series的索引（obj[…]）与NumPy数组索引的功能类似，只不过Series的索引值可以不仅仅是整数。相关示例如下：

普通的Python切片中是不包含尾部的，Series的切片与之不同：

使用单个值或序列，可以从DataFrame中索引出一个或多个列：

这种索引方式也有特殊案例。首先，可以根据一个布尔值数组切片或选择数据：

行选择语法data[:2]非常方便。传递单个元素或一个列表到[]符号中可以选择列。

另一个用例是使用布尔值DataFrame进行索引，布尔值DataFrame可以是对标量值进行比较产生的：

在这个特殊例子中，这种索引方式使得DataFrame在语法上更像是NumPy二维数组。

3.1使用loc和iloc选择数据针

对DataFrame在行上的标签索引，将介绍特殊的索引符号loc和iloc。允许使用轴标签（loc）或整数标签（iloc）以NumPy风格的语法从DataFrame中选出数组的行和列的子集。

通过标签选出单行多列的数据作为基础示例：

然后使用整数标签iloc进行类似的数据选择：

除了单个标签或标签列表之外，索引功能还可以用于切片：

因此，有多种方式可以选择、重排pandas对象中的数据。

4、整数索引

在pandas对象使上用整数索引对新用户来说经常会产生歧义，这是因为它和在列表、元组等Python内建数据结构上进行索引有些许不同。例如，你可能认为下面的代码会产生错误：

在上面的例子中，pandas可以“回退”到整数索引，但是这样的方式难免会引起一些微小的错误。假设我们有一个索引，它包含了0、1、2，但是推断用户所需要的索引方式（标签索引或位置索引）是很难的：

另一方面，对于非整数索引，则不会有潜在的歧义：

为了保持一致性，如果有一个包含整数的轴索引，数据选择时请始终使用标签索引。

为了更精确地处理，可以使用loc（用于标签）或iloc（用于整数）：

5、排序和排名

根据某些准则对数据集进行排序是另一个重要的内建操作。如需按行或列索引进行字典型排序，需要使用sort_index方法，该方法返回一个新的、排序好的对象：

在DataFrame中，可以在各个轴上按索引排序：

数据默认会升序排序，但是也可以按照降序排序：

如果要根据Series的值进行排序，使用sort_values方法：

默认情况下，所有的缺失值都会被排序至Series的尾部：

当对DataFrame排序时，可以使用一列或多列作为排序键。为了实现这个功能，传递一个或多个列名给sort_values的可选参数by：

对多列排序时，传递列名的列表：

排名是指对数组从1到有效数据点总数分配名次的操作。Series和DataFrame的rank方法是实现排名的方法，默认情况下，rank通过将平均排名分配到每个组来打破平级关系：

也可以按降序排名：

DataFrame可以对行或列计算排名：

6、含有重复标签的轴索引

目前为止我们所见过的示例中，轴索引都是唯一的（索引值）。尽管很多pandas函数（比如reindex）需要标签是唯一的，但这个并不是强制性的。

索引的is_unique属性可以告诉你它的标签是否唯一：

带有重复索引的情况下，数据选择是与之前操作有差别的主要情况。根据一个标签索引多个条目会返回一个序列，而单个条目会返回标量值：

相同的逻辑可以拓展到在DataFrame中进行行索引：