三、下标存取

发布于 2023-07-17 23:38:23 字数 12361 浏览 0 评论 0 收藏 0

1. [ ] 操作符

对于Index对象，可以通过[]来选取数据，它类似于一维ndarray的索引。下标可以为下列几种下标对象：
- 一个整数下标。此时返回对应的label
- 一个整数slice。此时返回对应的Index（根据一维labels先切片，再组装成Index）
- 一个array-like对象（元素可以为下标或者布尔值）。此时返回对应的Index。（根据一维labels先索引，再组装成Index）
- 由None组成的二元组，其中None相当于新建一个轴。
  - 如果None为第一个元素，则新建的轴为 0 轴；
  - 如果None为第二个元素，则新建的轴为 1 轴。
  - 另外idx[None]等价于idx[None,:]，但是idx[None]返回的是ndarray。
  - 它并没有将Index 转换成MultiIndex，只是将Index内部的数据数组扩充了一个轴
Index 的索引只支持整数/整数slice/整数序列/布尔序列/整数数组/布尔数组/None 等。
对于Series对象，可以通过[]来选取数据，它类似于一维ndarray的索引。下标可以为下列几种下标对象：
- 一个整数下标/一个属性（属性名为某个label）/字典索引（键为label）：返回对应的数值
- 一个整数切片/一个label切片：返回对应的Series。（根据一维Series先切片，再组装成Series）。注意：label切片同时包含了起始label和终止label
- 一个整数array-like/一个label array-like/一个布尔ndarray：返回对应的Series。（根据一维Series先索引，再组装成Series）
- 一个二维整数array-like/二维label array-like：返回对应值组成的二维ndarray
  注意：Series必须使用布尔数组来索引，不支持布尔序列来索引(抛出KeyError异常)。
对于DataFrame对象，可以通过[]来选取数据。下标可以为下列几种下标对象：
- 一个属性（属性名为某个column label）/字典索引（键为column label）：返回对应的列对应的Series
  不可以使用单个整数来索引
- 一个整数切片/一个row label切片：返回对应的行组成的DataFrame。注意：label切片同时包含了起始label和终止label
- 一个一维label array-like:返回对应的列组成的DataFrame
- 一个布尔数组：返回数组中True对应的行组成的DataFrame。
- 一个布尔DataFrame：将该布尔DataFrame中的False对应的元素设置为NaN（布尔DataFrame中没有出现的值为False）
Series对象除了支持使用位置作为下标存取元素之外，还可以使用索引标签来存取元素。这个功能与字典类似，因此它也支持字典的一些方法，如Series.iteritems()。
对于Series/DataFrame切片方式的索引，返回的结果与原始对象共享基础数据。对于采用其他方式的索引，返回的结果并不与元素对象共享基础数据。
对于DataFrame的赋值与列删除：
- 将列表或者数组赋值给某个列时，其长度必须跟DataFrame的行数匹配。
- 将标量赋值给某个列时，会将标量扩充
- 将Series赋值给某个列时，会精确匹配DataFrame的索引。如果DataFrame中某个label在Series中找不到，则赋值NaN（空位都将被填上缺失值）
- 为不存在的列赋值会创建出一个新列（必须用字典的形式，不能用属性赋值的形式）
- 关键字del用于删除列（必须用字典的形式，不能用属性赋值的形式）
对于Series的赋值与删除：
- 对于单个索引或者切片索引，要求右侧数值的长度与左侧相等
- 为不存在的label赋值会创建出一个新行（必须用字典的形式，不能用属性赋值的形式）
- 关键字del用于删除行（必须用字典的形式，不能用属性赋值的形式）
如果Series/DataFrame的索引有重复label，则数据的选取行为将有所不同：
- 如果索引对应多个label，则Series返回一个Sereis，DataFrame返回一个DataFrame
- 如果索引对应单个label，则Series返回一个标量值，DataFrame返回一个Series
你可以通过Index.is_unique属性得知索引是否有重复的。
- 对于[]、字典索引、属性索引或者.loc/.ix存取器，结论如上所述
- 对于.at存取器：如果索引对应单个label，索引结果正常。如果索引对应多个label，则Series返回一个一维ndarray；DataFrame则抛出异常。
对于Series/DataFrame，它们可以使用ndarray的接口。因此可以通过ndarray 的索引规则来索引它们。
```
xxxxxxxxxx
df=pd.DataFrame(...)
df[:,0] #使用了 ndarray 的索引方式
```

2. loc/iloc/ix 存取器

对于Series， .loc[]的下标对象可以为：
- 单个label，此时返回对应的值
- label的array-like、label slice以及布尔array-like：返回对应值组成的Series
对于DataFrame，.loc[]的下标对象是一个元组，其中两个元素分别与DataFrame的两个轴对应。如果下标不是元组，则该下标对应的是第0轴，第一轴为默认值:。
- 每个轴的下标都支持单个label、label array-like、label slice、布尔array-like。
- 若获取的是某一列或者某一行，则返回的是Series；若返回的是多行或者多列，则返回的是DataFrame；如果返回的是某个值，则是普通的标量。
.iloc[]和.loc[]类似，但是.iloc[]使用整数下标，而不是使用label。
- 注意整数切片不包括最后一个值。
.ix[]存取器综合了.iloc/.loc：它可以混合使用label和位置下标
- 注意：如果有整数索引，则应该使用.loc/.iloc从而避免混淆
Index对象不能使用loc/iloc/ix存取器
对于.loc/.iloc/.ix：如果某轴的索引为array-like或者布尔array-like，则返回的结果与原来的对象不再共享基础数据。如果轴的索引全部都是slice或者单个整数、单个label，则返回的结果与原来的对象共享基础数据。

3. at/iat 存取器

.at和.iat分别使用label和整数下标获取单个值。它类似于.loc/.iloc，但是.at/.iat的速度更快
- 每个索引只能是单个label或者单个整数
对于DataFrame，.lookup(row_labels, col_labels)类似于：.loc[row_labels, col_labels]，但是.lookup返回的是一维ndarray。
- 要求row_labels和col_labels长度相同。(row_labels[0],col_labels[0]决定了结果中第一个元素的位置，...(row_labels[i],col_labels[i]决定了结果中第 i+1个元素的位置，
DataFrame.get_value(index, col, takeable=False)等价于.loc[index, col]，它返回单个值。而Series.get_value(label, takeable=False)等价于.loc[label]，它也返回单个值
.get(key[, default])方法与字典的get()方法的用法相同。对于DataFrame，key为col_label
.head([n=5])和.tail([n=5])返回头部/尾部n行数据

4. query 方法

对于DataFrame，当需要根据一定的条件对行进行过滤时，通常可以先创建一个布尔数组，然后使用该数组获取True对应的行。另一个方案就是采用query(expr, inplace=False, **kwargs)方法：
- expr是个运算表达式字符串，如'label1 >3 and label2<5'
- 表达式中的变量名表示对应的列，可以使用not/and/or等关键字进行向量布尔运算。该方法会筛选出那些满足条件的行。
- 如果希望在表达式中使用Python变量，则在变量名之前使用@
- inplace是个布尔值，如果为True，则原地修改。否则返回一份拷贝。

5. 多级索引

对于.loc/.ix/[]，其下标可以指定多级索引中，每级索引上的标签。
- 多级索引轴对应的下标是一个下标元组，该元组中每个元素与索引中每级索引对应
- 如果下标不是元组，则将其转换成长度为 1 的元组
- 如果元组的长度比索引的层数少，则在其后面补充slice(None)

6. 整数 label

label不一定是字符串，也有可能是整数（如RangeIndex/Int64Index等）。尤其是当label是自动生成的时候。
- 当你的label是整数时，面向整数的下标索引总是面向label的，而不是面向position的。因此推荐使用.loc来基于label索引，使用.iloc来基于position索引。