python中数据索引怎么用

这篇文章主要为大家展示了“python中数据索引怎么用”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“python中数据索引怎么用”这篇文章吧。

前言

数据索引是数据分析中最关键的操作。在数据分析中经常需要选取固定的行列，在Excel中可以使用鼠标进行点选，但是敲命令的时候，例如python和R中不方便使用鼠标，这就需要灵活掌握数据的索引。如果数据索引不能熟练操作，就看不懂代码，后面的数据分析无法完成。

 

数据索引

数据索引，也称为数据切片和切块，是使用不同的列或索引切分数据，实现从数据中获取特定子集的方式。DataFrame为二维数据，每一列均为一个同一类型数据，所以为Series，每一行可以为不同数据类型，所以，每一行数据为DataFrame一个子集，数据类型依然为DataFrame。

pandas索引常用五种方法，loc iloc ix at iat。ix官方已不再推荐使用。其实笔者觉得pandas的索引操作不如R的方便。不过也够用。目前主要使用的为loc和iloc，两者比较容易混淆，这里按照官方方法提供一个简单的快速记忆方法loc代表location，使用标签来索引，也就是行名或者列名，而iloc中的i解读为integer，即integerlocation通过数字索引值来定位，也就是行号或者列号。

x.loc[ [‘行名1’， ‘行名2’， ‘行名3’……]     , [‘列名1’，‘列名2’……]   ]
x.iloc[ [行号1，行号2，行号3……]     ,   [列号1，列号2……]   ]

利用数字进行索引

pandas可以使用行名列名进行索引，也可以使用数字作为索引，具体使用哪种方式，要看具体使用场景，灵活使用，如果行列数太多，使用行名列名更加方便，如果要选取一个范围，使用数字更加方便。

如果要使用数字进行索引，则需要使用iloc标签，行在前列在后，中间用逗号“,”分割，如果全部选取，用冒号“:”代替。其中冒号也可以用来表示一定范围。

特别注意， python中索引值从0开始。并且不包含右侧边界。例如0:15，代表从第一个值到第15个值。

使用数字索引

mtcars[0:5]
mtcars.iloc[ 0:5 ,:  ]
mtcars.iloc[1]
#负数索引
mtcars.iloc[:,-1]

选取奇数行和偶数行

#奇数行
mtcars.iloc[np.arange(0,32,2)]
#偶数行
mtcars.iloc[np.arange(1,32,2)]

利用行名列名进行索引

如果想选取固定的行，使用点号，是最方便的方式，类似于R中数据框索引使用“$”，为什么行不行呢？因为数据分析中更多时候是按列处理数据。这里注意由于python中点号有特殊作用，所以，源文件列名中最好不要有点号和空白，可以使用下划线替代

mtcars.cyl
mtcars.cyl.size

直接使用行名列名选取数据

mtcars['mpg']
mtcars[['mpg','cyl']]
mtcars.loc[:,['cyl']]
mtcars.loc[['Fiat 128','Valiant']]
mtcars.loc[:,['disp','hp']]

删除固定行或列

#删除行列
mtcars.drop(columns=['cyl','mpg'])
mtcars.drop(index=['Valiant'])
mtcars[mtcars.index != 5]
mtcars[mtcars.index!='Volvo 142E']

以上是“python中数据索引怎么用”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注亿速云行业资讯频道！